遗传算法理解

最近很忙，但开始想记录一些东西了。。。
1 概念
所谓遗传算法就是根据达尔文“物竞天择，适者生存”的自然选择原则改进而来的。引入了选择、交叉和变异，这与人类的进化类似。也正由此，我们也可以考虑到遗传算法的优缺点。
遗传算法适合用于全局搜索，但却很容易陷入局部解。但是相对来说，在大量反复的实验中，遗传算法的效果还是很有优势的。

2 选择
实现遗传算法时，进行的第一个操作就是选择，一般来说，选择操作是从上一代中的最优解中选择父代和母代。这其中一般采用的办法是轮盘赌法。
所谓轮盘赌法，就是一个概率选择。每次挑选一个进行概率累积，多次累计后，若该个体大于随机概率时，便入选。可想而知，如果个体的适应度值本来就大，就很容易被选入，但也不妨有些不好的个体也可以入选，这样一来，就为整体提供了基因库，没准会得到意想不到的好处。

3 交叉
交叉操作是获得个体最直接简便的办法。父本和母本以一定的概率和交叉位置进行后代生成，择优获取。但楼主记得曾经看过的一篇论文，对生成的个体再次进行挑选，以牺牲时间为代价，获得了比其他算法更好的结果。

4 变异
变异操作是对原有基因的跳脱。像人类一样，有的是猩猩，有的是猴，总有意外发生。有的论文为了满足后期的操作，还引进了自适应的交叉率和变异率。所谓自适应，一般都与迭代次数相关，根据迭代次数构造迭代公式。

5 局部搜索
局部搜索也是为了提高遗传算法的局部搜索能力引入的。究其原因还是目前相关方面的论