竹子的信仰-set

注：转载请注明原作者及链接，谢谢。我们知道Web2.0是相对Web1.0的一类新的互联网应用的统称。Web2.0注重用户的交互作用，用户既是网站内容的浏览者，也是网站内容的制造者。比较有代表性的两个例子是维基百科和Google。维基百科是一个在线的百科全书，它完全是由用户维护的。任何人都可以新建或者编辑网站上的任何一个页面，同时会有为数不多的几名管理员进行监控。而Google则是世界上最为流行

这篇文章翻译自：http://www.codeproject.com/KB/cpp/Genetic_Algorithm_in_C.aspx引言：遗传算法求函数极值算是遗传算法的一种最简单的应用，这里就介绍一种简单的，全文基本翻译自codeproject的一篇文章，作者为Luay Al-wesi，软件工程师。例子中的函数为y = -x2+ 5 ，大家可以将其改为其他复杂一些的函数，比如说f=x+10sin(5x)+7cos(4x)等。本篇文章适合遗传算法初学者阅读，大牛请绕道，呵呵。文后附C语言代码，全部代码

一、集合覆盖问题    集合覆盖问题(Set Covering Problem，简称SCP)是运筹学研究中典型的组合优化问题之一，工业领域里的许多实际问题都可建模为集合覆盖问题，如资源选择问题、设施选址问题（移动基站的选址、物流中心的选址）等。    SCP的一个典型应用描述如下：要在一个城市建造若干个消防队驻扎地，使得全城的每一个建筑物都能在某个消防队的5分钟车程内。在不同的地方建造驻扎

作者注：本文写于三年前，今天才转到这里来。    在生物的自然进化过程中，两个同源染色体通过交配而重组，生成新的染色体，从而产生新的个体或物种。交配重组是生物遗传和进化过程中的一个主要环节。遗传算法中的交叉算子就是通过模仿这个交配重组的环节而产生的。    交叉又称重组，是指把两个父代个体的部分结构加以替换、重组而生成新个体的操作。交叉操作的作用是组合出新的个体，在串空间进行有效搜索，同时

组合优化问题是通过用数学方法的研究去寻找离散事件的最优编排、分组、次序或筛选等，其变量是离散分布的。对于结构化的组合优化问题，其解空间的规模能够得到控制，对于这样的问题，使用精确算法就可以求得最优解。而当问题的规模逐渐增大时，求解这些问题最优解需要的计算量与存储空间的增长速度非常快，会带来所谓的“组合爆炸”，使得在现有的计算能力下，通过各种枚举方法、精确算法寻找并获得最优解几乎变得不可能。这时候，