遗传算法及其java实现

基础概念

1. 种群：生物的进化是以群体形式进行，一定数量的个体组成了群体,群体中个体的数量叫做群体大小；
2. 个体：种群的内任意一个对象,是群体的基本组成单位；
3. 基因：基因是串中的元素，基因用于表示个体的特征，也成为遗传因子；
4. 染色体：一组基因；
5. 遗传操作：遗传操作包括以下三个基本遗传算子:选择；交叉；变异。
6. 最优解：局部最优解和全局最优解；
7. 适应度：各个个体对环境的适应程度叫做适应度。为了体现染色体的适应能力，引入了对问题中的每一个染色体都能进行度量的函数，叫适应度函数。

理论基础

遗传算法的理论是根据达尔文进化论而设计出来的算法，即人类是朝着好的方向（最优解）进化，进化过程中，会自动选择优良基因，淘汰劣等基因。

基本流程

遗传算法思想

遗传算法通过将实际问题模拟为一个生物进化的过程，通过选择，交叉以及变异等操作逐步选取出较优解，而淘汰掉较差的解，以寻求出近似最优解。此处的较优与较差均建立在适应度函数的基础上，不同的适应度函数选取，可能会有不同的结果。

编码

编码是应用遗传算法时要解决的首要问题，也是设计遗传算法时的一个关键步骤。编码方法影响到交叉算子、变异算子等遗传算子的运算方法，大很大程度上决定了遗传进化的效率。编码方式主要可以分为三大类：二进制编码法、浮点编码法、符号编码法。

二进制编码

二进制编码是由二进制符号0和1所组成的二值符号集，其编解码的实现方式简单，交叉变异时的操作简便，但是在进行连续函数的优化时，其局部搜索能力较差，而对于高精度问题，当解接近于最优解时，变异操作会映入较大的变化，导致远离最优解。
格雷码是另一种形式的二进制编码，其相邻码元的码距保持为1，能够有效的避免上述二进制编码潜在的问题。它们的转化形式如下。
假设二进制码元为：

$$B=b_mb_{m-1}....b_2b_1$$
$$G=g_mg_{m-1}....g_2g_1$$
- 二进制转格雷码

gm=bm,gi=bi+1⊕bi,i=1,2,...