关于遗传算法的几点概念性理解

注：建议先看一些科普的再看本文，本文只是为了自己理解和备份，如果能启发他人，那就是最大的荣幸，故文字写的比较精简，算法参考《MATLAB智能算法30个案例分析》（史峰等）第二章

概念

遗传算法(GA，Genetic Algorithm)，也称为进化算法。遗传算法是受达尔文的进化论的启发，借鉴生物进化过程而提出的一种启发式搜索算法。其主要特点是直接对结构对象进行操作，因此不同于其他求解最优解的算法，遗传算法不存在求导和对函数连续性的限定，采用概率化的寻优方法，不需要确定的规则就能自动获取和指导优化的搜索空间，自适应地调整搜索方向。[引用CSDN博主「冉冉云」]

目标

对于一个函数F（x1,x2,x3,x4）,变量数目任意，这里以4个数为例，编码采用实数编码。

初始化种群

随机产生一群满足约束条件的解（个体），如：

个体1（解1）：（1,2,3,4）

个体2（解2）：（2,2,4,4）

个体3（解3）：（2,2,5,4）

个体4（解4）：（1,5,3,5）

...

所有个体组成一个种群，所以遗传算法需要定义种群规模，即个体数目。

进化操作