# 53.2\. 基因算法 基因算法(GA)是一種啟發式的優化法，它是通過不確定的隨機搜索進行操作。 優化問題的可能解的集合被認為是_個體_組成的_種群_。 一個個體對它的環境的適應程度由它的_適應性_表示。 一個個體在搜索空間里的參照物用_染色體_表示(實際上是一套字符串)。 一個_基因_是染色體的一個片段，基因是被優化的單個參數的編碼。 對一個基因的典型的編碼可以是_二進制_或_整數_。 通過仿真進化過程的_重組_、_變異_ 、_選擇_找到新一代的搜索點，它們的平均適應性要比它們的祖先好。 根據comp.ai.genetic FAQ ，不論怎么強調GA在解決一個問題時不是純隨機搜索都不過份。 GA使用隨機處理，但是結果明顯不是隨機的(比隨機更好)。 **Figure 53-1\. 基因算法的結構化框圖** | P(t) | 時刻 t 的父代 | |:--- |:--- | | P''(t) | 時刻 t 的子代 | ``` +=========================================+ |>>>>>>>>>>> Algorithm GA <<<<<<<<<<<<<<| +=========================================+ | INITIALIZE t := 0 | +=========================================+ | INITIALIZE P(t) | +=========================================+ | evaluate FITNESS of P(t) | +=========================================+ | while not STOPPING CRITERION do | | +-------------------------------------+ | | P'(t) := RECOMBINATION{P(t)} | | +-------------------------------------+ | | P''(t) := MUTATION{P'(t)} | | +-------------------------------------+ | | P(t+1) := SELECTION{P''(t) + P(t)} | | +-------------------------------------+ | | evaluate FITNESS of P''(t) | | +-------------------------------------+ | | t := t + 1 | +===+=====================================+ ```