【进化算法】遗传与基因

引言

遗传算法是基于达尔文进化论和孟德尔遗传学说的模拟生物进化过程的计算模型。遗传算法通过对染色体的选择、交叉和变异 3 种基本操作,仿效生物遗传过程遗传物质基因的重组、突变和变异3 种方式。控制生物遗传的物质单位称为基因，因此，遗传算法是在基因的水平上模拟生物的进化行为。

遗传算法能够应用于各种优化问题，如工程优化、调度问题、机器学习中的超参数优化、函数优化、组合优化、生产调度问题、自动控制、机器人学图像处理、多机器人路径规划等领域。

遗传算法的优点在于可以在大规模搜索空间中寻找最优解，但也存在着对问题的参数设置敏感、收敛速度慢等缺点。

不同类型的遗传算法在个体表示、选择策略、交叉和突变操作等方面可能略有不同，但都遵循了模拟生物进化的基本原则。

---

遗传算法

遗传算法 (Genetic Algorithm,GA) 是 1975 年由霍兰 (J.H.Holland) 教授提出。它是模拟达尔文的遗