遺傳算法是模擬自然界中按“優(yōu)勝劣汰”法則進(jìn)行進(jìn)化過(guò)程而設(shè)計(jì)的算法。Bagley和Rosengerg于1967年在他們的博士論文中首先提出了遺傳算法的概念。1975年Holland出版的專著奠定了遺傳算法的理論基礎(chǔ)。如今遺傳算法不但給出了清晰的算法描述，而且也建立了一些定量分析的結(jié)果，在眾多領(lǐng)域得到了廣泛的應(yīng)用，如用于控制(煤氣管道的控制)、規(guī)劃(生產(chǎn)任務(wù)規(guī)劃)、設(shè)計(jì)(通信網(wǎng)絡(luò)設(shè)計(jì))、組合優(yōu)化(TSP問(wèn)題、背包問(wèn)題)以及圖像處理和信號(hào)處理等。

　　細(xì)數(shù)遺傳算法有哪些種類

　　遺傳算法是如此簡(jiǎn)單，任何人只要用高中時(shí)學(xué)過(guò)的生物術(shù)語(yǔ)就可以理解。以一群個(gè)體為例，它們都有自己的DNA。然后衡量每一個(gè)個(gè)體的適應(yīng)性(把它看作是適用于個(gè)體的DNA的官能來(lái)衡量)，并且使那些更適應(yīng)的個(gè)體更有可能繁衍。而最不適應(yīng)的個(gè)體將會(huì)被滅絕。每個(gè)幸存者都會(huì)有機(jī)會(huì)繁衍(重要的是任何幸存者都可能會(huì)繁衍，如果不太適應(yīng)的話，僅僅是降低了可能性)。合并雙親的DNA，對(duì)合并后的DNA應(yīng)用隨機(jī)變異以模擬繁衍。理論上說(shuō)來(lái)，新的個(gè)體是和雙親一樣適應(yīng)的，由于變異或增或減會(huì)有些微小的變化。然后循環(huán)會(huì)周而復(fù)始。

　　雖然，有許多變化的因素在影響遺傳算法，包括人群大小、代(算法的迭代)、合并方法、適應(yīng)性函數(shù)，適應(yīng)性將如何影響繁衍的可能性，以及發(fā)生了多少變異。

　　該算法也存在一些缺陷。如果把應(yīng)用于DNA的適應(yīng)性官能看成是一系列的二進(jìn)制位，效果最好。換句話說(shuō)，如果DNA是一系列二進(jìn)制的選項(xiàng)，是還是不是。藍(lán)眼睛?黑眼睛?紅頭發(fā)?黑頭發(fā)?合并雙親的DNA和隨后的變異應(yīng)當(dāng)不允許特定的一些位組合出現(xiàn)，因?yàn)榈贸龅腄NA可能不再是最初的問(wèn)題的有效解答。請(qǐng)記住，所謂“DNA”僅僅是適應(yīng)性公式純數(shù)學(xué)的一種解答。該公式中用到的一些值可能是無(wú)效的—例如，除數(shù)為零。

　　另外，遺傳算法不受時(shí)間限制。由您來(lái)挑選代的數(shù)目。您可以確定某個(gè)目標(biāo)比方說(shuō)，“找一個(gè)適應(yīng)性為0.99999?的個(gè)體”，找到后停止。但是，結(jié)果是算法永遠(yuǎn)也不會(huì)結(jié)束，因?yàn)樗鼪](méi)找到那個(gè)個(gè)體。如果您制定了不切實(shí)際的目標(biāo)，或者代的數(shù)目太小，就會(huì)出現(xiàn)問(wèn)題。嘗試、出錯(cuò)，以及深入的思考是解決這個(gè)問(wèn)題的最佳途徑。