使用遗传算法计算神经网络的超参数

遗传算法是基于种群的思想，将问题的解通过编码的方式转化为种群中的个体，并让这些个体不断地通过选择、交叉和变异算子模拟生物的进化过程，然后利用“优胜劣汰”法则选择种群中适应性较强的个体构成子种群，然后让子种群重复类似的进化过程，直到找到问题的最优解或者到达一定的进化（运算）时间。

个体（染色体）：自然界中一个个体（染色体）代表一个生物，在GA算法中，个体（染色体）代表了具体问题的一个解。

基因：在GA算法中，基因代表了具体问题解的一个决策变量。

种群：多个个体即组成一个种群。GA算法中，一个问题的多组解即构成了问题的解的种群。

Step 1. 种群初始化。首先随机生成一些个体。然后通过编码的方式，编码为一个向量表示。这里是为了方便后面的种群的交叉变异。将个体（可能解）编码后的二进制串叫做染色体，染色体（或者有人叫DNA）就是个体（可能解）的二进制编码表示