通俗的遗传算法

1，遗传算法号称是万能算法，适合解决复杂问题，尤其是参数非常多，逻辑非常复杂的问题。

2，因为他的原理和生物繁殖的思路是一样，适者生存。

3，俗话说瞎猫碰到死耗子，那么一直能碰上死耗子的繁殖后代的概率大。

4，准备1000之猫（初始样本），让他们去到环境里去碰耗子（最优函数），目的是得到最好的猫。

5，把猫的特性编码，比如几条腿，身高，体重，年龄，黑猫还是白猫等数据，确定这些参数占多少权重。

6，碰到多的奖励其繁殖概率，少的就淘汰。按其遇到的耗子数，决定它交配的数量。

  如果他逮的耗子占群体的一半，那么他就有一半的比例被选择XXOO。没被选就淘汰掉。

7，交配就是和母猫的特性编码交换，一般喜欢用01的二进制位互换。

8，如果老是那几只互相交配，不会产生太大的变化，这叫局部最优解，也叫“早熟”。

9，所以，要变异，就是在编码中挑一部分，随机的变掉，进入下一轮回。

10，一直重复这个过程，直到出现满意的结果。

遗传算法得到接近最优解的概率是1=100%，就是肯定搞定任何问题。这个有证明。
时间嘛，呵呵，趋向无穷大。
那么以前的算法概念全崩溃了，所以遗传算法是一种随机“办法”，只是会把结果中不靠谱的淘汰掉。

遗传算法的关键是：
1，编码。2，适应函数，3，参数权重，4，选择 ，5，交配，6，变异，7，退出规则

可以说，按照武功的固定套路来的，甭管什么对手，都可以按照这个套路去搞。

适合应用在寻求“可行”方案，而不适合“最快”求解的领域。

这接近于实际工程应用，因为很多决策不需要秒杀，只需要有解。而且复杂因素超多，很难形成算法。

比如，电路板布线问题,1000个零件，这个电路该怎么设计？尽量减少交叉，遇到交叉就跳线或增加电路层。

让电脑计算一天给出一个最优解就行，不求快，但求可行，较优。

这就可以用GA

 杂交才是遗传算法的核心，纯变异就成退火了。