遗传算法

   遗传算法就是这样一种借鉴生物体自然选择和自然遗传机制的随即搜索算法，其搜索的过程就是“种群”一代一代“进化”的过程，通过评估函数进行优胜劣汰的选择，通过交叉和变异来模拟生物的进化。优胜劣汰是这种搜索算法的核心，根据优胜劣汰的策略不同，算法最终的效果也各不相同。

  遗传算法将问题的解定义为进化的个体，对若干个体组合的种群进行选择、交叉（杂交）和变异处理，每处理一次种群就“进化”一代。只要评估和选择策略合适，若干次“进化”之后，种群中就会出现比较接近最优解的个体，对应的就是问题的近似优化解。

  遗传算法是借鉴生物进化过程而提出的一种启发式搜索算法，它不想传统的搜索算法那样，从单个值开始迭代搜索，按照特定的搜索顺序对整个解空间进行遍历。遗传算法的优点一开始就从一大群解中开始搜索，覆盖区域大，有利于找到全局最优解。

  遗传算法通过基因的变化隐含地对解空间的一部分重点区域进行搜索，从问题的多个解开始并行搜索，对重点区域的选择是通过适应度函数和选择算子的运算来实现的，这也是启发性的体现。所以的，不要对遗传算子过分崇拜，这只是一种搜索算法而已，只是比漫无目的的穷举搜索算法“聪明”那么一点而已，通过较小计算量获得较大的收益。也不要以为遗传算法是高效算法，只要能用解析的方法直接得到最优解的问题，多不要试图用遗传算法，因为它比穷举搜索高明不了多少。

  轮盘赌算法是各种随机花算法中常用的随机选择算法，原理简单，实现也简单，但是也存在致命的问题。假如一些选择概率非常小的个体连续出现，就会导致它们集中在“赌轮”上占据一块很大的扇区，那么这块扇区就比较容易被选中，但实际上选中的都是概率非常小的个体，这也是轮盘赌算法选择误差比较大的原因，在设计算法的时候需要注意这一点。