遗传算法（1）--初步认识

最近学习了遗传算法，尝试着把它按照理解写下来。对于遗传算法从名字上就可以看出来是和生物有关的东西，可以认为是和生物进化有关系，在生物进化里面又有一句话叫：物竞天择，适者生存。也就是说受环境的影响，最终会留下那些能适应环境的生物。如果从生物学里面进行考虑可能会涉及到 一堆的概念名词，如：染色体，个体，种群，基因突变等。如果遗传算法是根据生物进化进行设计其必定包含这些概念和过程。下面从概念和过程这两个方面对遗传算法进行一个简单的说明。

---

1.遗传算法中的概念

---

• 染色体
• 个体
• 种群
• 适应度函数
• 选择操作
• 交叉操作
• 变异操作

染色体其实就是问题的一个解，如何理解呢，首先你有一个问题，比如求一个函数式里面的x的使得函数式里面的值最大，那么这个解就是这个x的具体某一个值。

函数式：f(x)=x+10sin(x) ,x取值范围为（1，10）

这里可以把x的解作为一条染色体。那么染色体的取值范围就是x的取值范围。既然是一个解那么对于计算机来说染色体用什么来表示呢？这里就涉及到编码的问题。编码的方式有二进制编码和实数编码。

假设x=5,如果染色体采用二进制编码，定义染色体的长度为5的话那么它应该是下面的形式
二进制编码：[00101]

那么问题来了，如果问题是求一堆货物存放的位置，使得它满足某个函数式。如空间坐标，那么应该怎么定义。
首先需要知道的是要求的解是什么。这里的解其实就是货物的坐标，那么是不是就是(x,y)呢？是(x,y)。但更确切的说是每个货物的(x，y)。也就是说你有多少个货物就应该有多少个(x,y)。加入有五个货物，那么染色体应该是至少有十个基因，每个基因代表一个（x,y）。但这往往不好求，实际当中染色体可以是十个基因，也就是x和y分别用一个基因表示。如下图：
z=(x,y)

[z1,z2,z3,z4,z5]

[x1,y1,x2,y2,x3,y3,x4,y4,x5,y5]

也就是说每两个基因就是一个解。最终得到就是上面的染色体。

若采用实数编码则：
坐标：(1,2)-(4,5)-(1，3)-(6,2)-(5,7)
实数编码 [1,2,4,5,1,3,6,2,5,7]

个体这里可以理解成是一条染色体

种群是由很多个个体组成，可以自己定义种群的大小。

适应度函数是用来评价个体的好坏，它指导着整个群体的进化方向。上面的函数式就可以作为适应度函数。适应度函数很多情况下可以用目标函数代替，也就是求解的函数。
此时可能你应该知道适应度函数式需要根据实际情况来定。当你有一个问题需要解决，你首先会建立数学模型，也就是变成函数，如果想用遗传算法来解这个函数，那么此时需要对这个函数式分析，将其转成适应度函数，或者是根据这个目标函数写出相应的适应度函数。

选择操作：从种群中挑选出比较好的两个个体，形成一对，然后将基因传给下一代，也就是成为新的染色体。

交叉操作：交换基因
变异操作：根据变异概率对染色体进行变异

过程

过程也就是计算过程：

上图的操作过程只是比较简单的操作过程，在实际当中还会还有很多别的方法来实现。

参考文献

[1]https://www.zhihu.com/question/23293449