白话遗传算法（以长颈鹿的进化为例）

首先来看看遗传算法的本质，遗传算法是模拟生物进化的一种全局优化搜索算法，是一种数值求解方法。说几个大家熟悉的搜索的算法吧：
1. 枚举遍历（这也可以算吧- -）
2. 二分查找法（在有序数组中查找某一特定元素的搜索算法）
3. DFS（深度优先搜索，沿着树的深度遍历树的节点）
4. Dijkstra算法（用广度优先搜索解决非负权有向图的单源最短路径问题，算法最终得到一个最短路径树）
5. 等等等等
怎么样？搜索算法咱们也是见的不少了，这个遗传算法又是怎么回事呢？我们先看一下遗传算法的“官话”：

遗传算法将问题的可行解作为种群，每个种群是由一定数目的个体组成，每个个体都由多个基因编码的组合即染色体表示。将种群中个个体进行配对，产生下一代，根据一种评价函数衡量一个个体的最优程度，即适应度。适应度高的个体更有希望生存下来，参与种群的繁衍，进行交叉变异操作。

是不是很晕呢

让我们以长颈鹿进化的例子来对应一下上述名词。

基本概念

例子：长颈鹿种群的进化算法。目的是为了进化出一个长脖子的种群，每个种群是由一些个体（一些鹿）组成，每只长颈鹿个体都由染色体表示，每个染色体是由多个基因编码的组合表示。

种群中的个体进行交配，产生下一代，根据脖子的长度衡量一头长颈鹿吃饱饭的程度，脖子太短吃不到树叶子，脖子太长会抬不起头，只有脖子长度适中才能吃的最饱。这个根据脖子的长短而决定的吃饱饭的程度就叫适应度函数。即适应度值是由脖子长度决定的函数值。

脖子长的个体更有希望生存下来，参与种群的繁衍，进行交配、变异。

算法的流程

遗传算法的流程是这样的：

使用遗传算法搜索最优解，首先要找出要求解的问题，在对可行方案进行编码操作，产生初始种群，找出评价函数，最后进行选择交叉变异。

我们再做进一步的解释：
问题：找到更容易吃饱的长颈鹿。
可行方案：例如一头脖子长度刚刚适合的一头鹿。将它编码就是把决定脖子长度的基因表达即染色体信息写成2进制（也可以是其他进制，我们先用最简单的）。我们可以这样编码，一头64cm长脖子的长颈鹿，编码为：100000（64的二进制）
初始种群：上帝之手制造20头一样的初始小鹿，初始染色体100000，也就是脖子64cm长
评价函数：假设评价函数是这样的：