本文介绍了遗传算法的基本原理和步骤，通过模拟自然界优胜劣汰的进化过程来寻找问题的最优解。算法主要包括适应度函数设计、编码、选择、交叉和变异等步骤。文中还提到了如何将个体编码为染色体，以及如何通过交叉和变异操作产生新一代种群，最终找到最优解。适应度函数是评价个体优劣的关键，遗传算法通过迭代和遗传操作提高搜索效率。
Word害我重写=_=顺便重新整理下思路
背景：写论文时用到遗传算法，花了近一周时间，还算理解了算法以及能够进行基础的编程实现(保持谦虚)。
说明：具体的实现没敢细讲，主要是原理的方法上的介绍(讲解都算不上)。
先说说算法学习，个人觉得首先需要了解这个算法是拿来干嘛的，然后学习它的理论原理，多看懂几遍总是好的；结合实际例子，接着把算法的每一块儿研究清楚，通篇理解后，自己试着编程实现，这样学起来感觉也还不错。
关于遗传算法原理：模拟自然界优胜劣汰的进化现象，把搜索空间(问题解的组成空间)映射为遗传空间，把可能的解编码成一个向量——染色体，向量的每个元素称为基因。通过不断计算各染色体的适应值，选择最好的染色体，获得最优解。
简单说，就是给你一堆人儿(解和种群)，让你选择一部分基因优良(解的适应度更高，比如值更大)的人出来，让他们生小孩组成后代(选择交叉和变异)，把这些后代和之前选出来的父代，再比较基因优良，再选择，再遗传，这样循环，最后找出一个超级英雄(最优解)就达到目的了。
这样类似于一种无目的的搜索式寻找最优，不过遗传算法的效率更高。
关于原理，知乎上有些通俗好玩的文章可以看下：https://www.zhihu.com/question/23293449
关于算法步骤：从原理也可以总结出，主要步骤包括，适应度函数的设计，编码，选择，交叉，变异。
即是说，我们主要能用代码实
最低0.47元/天 解锁文章
扫一扫
366
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
