什麼是遺傳演算法，舉兩個例子

ga(genetic algorithm)

遺傳演算法。 GA是一種基於自然種群遺傳進化機制的高效探索演算法，最早由美國學者Holland於1975年提出。

它摒棄了傳統的搜尋方法，模擬了自然界中的生物進化過程，利用人工進化對目標空間進行隨機搜尋。 它將問題域中的可能解視為種群的個體或染色體，並將每個個體編碼為符號字串形式，模擬達爾文遺傳選擇和自然消除的生物進化過程，對種群反覆進行基於遺傳學的運算（遺傳、交叉和變異），根據預定的目標適應度函式評估每個個體， 根據適者生存和適者生存的進化規律，不斷獲得較好的種群，並通過全域性平行搜尋在最優種群中尋找最優個體。找到滿足要求的最佳解決方案。

Holland 建立的遺傳演算法是一種概率搜尋演算法，它使用一些編碼技術來作用於稱為染色體的數字串，其基本思想是模擬由這些染色體組成的進化過程。 跗骨演算法通過有組織但隨機的資訊交換來重新組合適應良好的字串，並在每一代中利用上一代字串結構中適應良好的位和段來生成一組新的字串; 作為附加功能，偶爾嘗試用字串結構中的新位和段替換原始部分。

遺傳演算法是一種隨機化演算法，但它不是簡單的隨機遊走，它可以有效地利用現有的資訊處理來搜尋那些有潛力提高解質量的字串，類似於自然進化，遺傳演算法通過作用於染色體上的基因，尋找好的染色體來解決問題。 與自然界類似，遺傳演算法本身對解決問題一無所知，他們所需要的只是評估演算法產生的每條染色體，並根據適應度值進行反染色體，使適用性好的染色體比適應性差的染色體有更多的繁殖機會。

基因：構成染色體的單位，可以表示為二進位位、整數或字元等。

染色體或個體：代表要解決的問題的可能解決方案，由多個基因組成，這是 GA 操作的基本物件。

適應度或適度度：代表個體相應解決方案的優缺點，通常由適應度函式表示。

選擇：GA的基本操作之一，就是根據個體的適合度，根據一定的概括，選擇群體中可以成為父系父母的個體，選擇是基於選擇適應度大的個體的高概率。 選拔操作體現了優勝劣汰、優勝劣汰的進化規律。

交叉：GA的基本操作之一，即父系個體根據一定的概率隨機交換基因，形成乙個新的個體。

變異：GA的基本操作之一，即以一定的概率隨機改變個體的基因值。

首先，有乙個非常驚人的現象：人類和動物的進化是朝著好的方向發展的，雖然有些是朝著不好的方向發展的，但整體的發展絕對是朝著好的方向發展的。 這可能看起來並不奇怪，但我們知道人類的基因組合是隨機的，不受上帝的約束。

這個隨機過程的結果是一致的！！ 這就是我們的遺傳演算法的靈感來源！ 例如，如果我問 y=x1+x2 的最大值，兩個變數，我不使用傳統的數學方法，直接使用幼兒園方法，引入所有可能的值，然後找出最大的值！

但是，有時值是連續的，這沒關係！ 讓它離散，就像將模擬訊號轉換為數碼訊號一樣！ 另乙個問題是，如果值太多怎麼辦？

這就是遺傳演算法的本質！

首先，我不需要把所有可能的值都取出來，我只取幾十個或者幾百個（自己設定），然後處理它們，如何處理呢？ 讓我們回到人類進化的開始，雖然沒有上帝的幫助，但我們知道，自然遵循適者生存，遵循交叉突變的規律，雖然無法數位化，但這是一種趨勢！ 這就是我們數學化的東西！

我還剩下幾十個值中的哪乙個？ 哪些要扔掉？ 要處理哪些？

這得是我們自己選擇的，一定是選擇最合適的值留下來，經過一系列的處理，乙個新的組就生成了，然後處理，自己同意處理的前幾次，取最大的值。

不用擔心是不是得到的最大值，因為已經用數學證明，這種方法是收斂的，概率是1，所以雖然可以放心地做，但具體方法應該參考相關書籍，這並不難。

遺傳演算法的最大用途是解決數學理論無法解決的問題！ 例如，路徑規劃、排程問題......

遺傳演算法是一種全域性優化概率演算法，主要優點有1遺傳演算法對求解的優化問題沒有太多的數學要求，並且由於其演化特性，在搜尋過程中不需要問題的內部性質，可以處理任何形式的目標函式和約束，無論是線性的還是非線性的，離散的還是連續的。

2.進化運算元的詭異性使遺傳演算法能夠非常有效地執行概率意義的全域性搜尋。

3.遺傳演算法可以為各種特殊問題提供極大的靈活性，以混合和構造與領域無關的啟發式方法，從而保證演算法的有效性。

應用眾多，如數值優化、組合優化、機器學習、智慧型控制、人工生命、影象處理、模式識別等領域。

權利。 最簡單的應用是函式優化問題，即求出更複雜函式的極值。 如果您想要相關的 MATLAB** 或 C**，我可以將其傳送給您並傳送電子郵件。

有許多應用，它們幾乎可以用於所有問題以找到最佳解決方案。

遺傳演算法主要用於求解優化問題。

一般來說，它可以求解函式的最大值和最小值，也可以結合其他一些方法求解（非）線性回歸、分類問題等。

然而，遺傳演算法有兩個缺點，一是時間長，二是初始值的選擇會影響收斂效果。

現代醫學研究表明，DNA是生命中最重要的遺傳物質。 另一方面，遺傳是指基因的傳遞，以便後代能夠獲得父母的特徵。 遺傳學是一門研究遺傳的學科，遺傳是脊柱破壞的症狀，除了遺傳因素外，還有環境，以及環境與遺傳之間的相互作用。

它也是決定生物學特性的乙個因素。

遺傳演算法。 作為操作物件; 其次，遺傳演算法直接使用適應度作為搜尋資訊，而沒有導數等其他輔助資訊。 第三，遺傳演算法使用多個點來搜尋資訊，具有隱式並行性; 最後，Sakura 沒有使用非確定性規則，而是出售了概率搜尋技術。

在投資了早餐特許經營權之後。