本文主要是介绍遗传算法GA，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

参考资料：遗传算法入门详解

染色体chromosome/个体individual表示一个解，用位串表示。位串的每一位是一个基因。染色体的集合称为群体population。适应度函数用于对个体进行度量，通常是个体在群体中使用的次数。

C：个体编码方案，E：适应度函数，P0初始种群，M：种群大小，T：遗传算法终止条件。剩下的三个分别是选择selection/交叉crossover/变异mutation算子。

选择：产生新的群体，一般适应度越高，该个体进入新群体的概率就越大。例如轮盘赌法：

交叉：例如单点交叉：

变异：为了避免陷入局部最优解。例如单点变异，就只变异一个bit/基因。

全过程图：

这篇关于遗传算法GA的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！