《基于Java实现的遗传算法》笔记（7 / 7）：个人总结

为何采用遗传算法

遗传算法是机器学习的子集。在实践中，遗传算法通常不是用来解决单一的、特定问题的最好算法。对任何一个问题，几乎总有更好的、更有针对性的解决方案！那么何必麻烦呢？

遗传算法是一个极好的多用途工具，可以应用于许多不同类型的问题。这是瑞士军刀与合适的螺丝刀之间的差异。如果任务是拧紧300颗螺丝，你会跳起来找螺丝刀。但如果任务是拧几颗螺丝、割开一些布、在皮革上打一个孔，然后打开一瓶冰苏打水奖励自己的努力工作，那么瑞士军刀是更好的选择。

此外，遗传算法是整体研究机器学习的不错入门。如果机器学习是一座冰山，遗传算法就是尖端的一部分。遗传算法有趣、令人兴奋且充满创新。遗传算法的模型基于自然生物过程，建立了计算世界和自然世界之间的连接。编写第一个遗传算法，观看从混乱和随机中出现的惊人结果，让人叹为观止。

机器学习冰山顶端的其他研究领域也同样令人兴奋，但它们往往关注的问题更狭窄，更难以理解。遗传算法则不然，它很容易理解，是有趣的实现，它们引入了所有机器学习技术都会使用的许多概念。

哪些问题适合用遗传算法解决

下面是一个问题特征列表，这类问题是采用遗传算法的良好候选者：

• 如果问题足够困难，难以写代码来解决；
• 如果人不知道如何解决这个问题；
• 如果问题是不断变化的；
• 如果搜索每个可能解是不可行的；
• 如果可以接受“足够好”的解。

遗传算法基本术语

遗传算法建立在生物进化的概念上的。