数据挖掘笔记——遗传算法

      遗传算法来源于进化论，可以理解为一开始我们产生很多个随机解，构成第一代假设集合(也叫做种群)，由这些随机解产生一代新的种群并进行假设解集合的更新，在产生下一代随机解过程中，好的解保留，差的解遗弃，即通过变异和交叉迭代每一步。

    总结来说，遗传算法是在候选假设中找到最优假设的过程。

1.遗传算法结构

          (1)种群：在算法中迭代更新的假设集合

       （2）适应度函数：判断假设好坏的定量值

       （3）如何选出适应度较高的假设：一部分假设进行变异，一部分假设进行交叉操作。具体如何做后面详细讲。

   故模型为： GA（Fitness，Fitness_threshold,p,r,m）

          Fitness:适应度函数，输入为某函数输出为判断值

              Fitness_threshold:适应度阈值，即迭代停止条件