笛卡尔遗传规划Cartesian Genetic Programming (CGP)简单理解(1)

初识遗传算法Genetic Algorithm(GA)

　　遗传算法是计算数学中用于解决最优化的搜索算法，是进化算法的一种。进化算法借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等，是一个通过计算机模拟解决最优化问题的过程，遗传算法从代表问题可能存在的一个解集的一个种群(population)开始的,一个种群由一定数量的候选解也称为个体(individual)组成，个体由基因(gene)编码而成，基因的表现形式实际上是每个个体上带有的染色体(chromosome) 染色体即为基因的集合，应用遗传算法的一般步骤是：1.需要实现表现形到基因型的编码工作，常用编码方法有二进制编码、格雷码编码、浮点编码和符号编码。2.进化从随机个体(初代种群)的种群开始，之后一代一代进化。按照优胜劣汰的准则在每一代中，评价整个种群的适应度(fitness)，从当前种群中选择(selection)多个个体(基于它们的适应度)。3.借助于自然遗传学的遗传算子(genetic operators)进行组合交叉(crossover)和变异(mutation) 产生新的种群，该种群在算法的下一次迭代中成为新的种群。4.在末代种群中的最优个体通过解码(decoding)产生最优解