遗传算法（Genetic Algorithm, GA）

遗传算法（Genetic Algorithm, GA）是一种基于自然选择和遗传机制的全局优化算法，由 John Holland 在 1975 年提出。它模拟生物进化过程中的选择、交叉、变异等操作，通过迭代优化种群中的个体，逐步逼近问题的最优解。遗传算法广泛应用于函数优化、组合优化、机器学习等领域。

---

遗传算法的核心思想

1. 种群（Population）：

   • 由多个个体（Individual）组成，每个个体代表问题的一个潜在解。

   • 个体通常用染色体（Chromosome）编码，染色体可以是二进制串、实数向量或其他形式。

2. 适应度（Fitness）：

   • 每个个体都有一个适应度值，用于衡量其优劣。

   • 适应度值由目标函数计算得出，适应度越高，个体越优。

3. 选择（Selection）：

   • 根据个体的适应度值选择父代个体，适应度高的个体被选中的概率更大。

   • 常用方法：轮盘赌选择、锦标赛选择等。

4. 交叉（Crossover）：

   • 对选定的父代个体进行基因重组，生成子代个体。

   • 常用方法：单点交叉、多点交叉、均匀交叉等。

   <