一张图解释什么是遗传算法_遗传算法总结（#看了就能懂和用系列#）

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