遗传算法初探

遗传算法
首先进行基因编码，就是将基因型映射到表现型
采用浮点数编码
例如一个二进制串<1000101110110101000111>表示实数值 0.637197

std::vector 是 STL（standard template library）库里面的现成的模板类。
它用起来就像动态数组。利用 vector（容器）我们可以方便而且高效的对容器
里面的元素进行操作。示例如下：

1. //添加头文件，并使用 std 名空间。
3. #include
5. using namespace std;
7. //定义一个 vector,<>内的是这个 vector 所装载的类型。
9. vector MyVector;
11. //为 vector 后面添加一个整型元素 0。
13. MyVector.push_back(0);
15. //把 vector 的第一个元素的值赋给变量 a。值得注意的是如果 vector 的长度只有 1，
    而你
17. //去访问它的下一个元素的话，编译和运行都不会报错，它会返回一个随机值给你，
    所以使
19. //用的时候一定要注意这个潜伏的 BUG。
    20.21. int a = MyVector[0];
21. //把 vector 里面的元素全部清空。
23. MyVector.clear();
25. //返回 vector 里面的元素的个数。
27. MyVector.size()
    使用轮盘赌的方式完成对于劣等个体的筛选
    基因重组/交叉
    二进制编码：―随机把其中几个位于同一位置的编码进行交换，产生新的个体

浮点数编码
子代编码值=父代编码值+α（母方编码值-父方编码值）α=[0,1]
基因突变
二进制编码：随机取反
浮点数编码：减去（加上）一个小随机数

其在神经网络中的应用
首先随机产生一种分布，选用一种编码方案对神经网络中的超参数进行编码。因此在网络结构和学习规则已定的前提下，一条编码链对应确定的一个神经网络。
然后计算每个神经网络的误差函数，确定其适应度函数，选择适应度最大的网络结构遗传给下一代，并且进行基因重组交叉和变异。