文档介绍：什么是遗传算法
遗传算法的基本意思就是说象人的遗传一样，有一批种子程序，它
们通过运算得到一些结果，有好有坏，把好的一批取出来，做为下一轮
计算的初值进行运算，反复如此，最终得到满意的结果。
举个例子，假如有一个动物什么是遗传算法
遗传算法的基本意思就是说象人的遗传一样，有一批种子程序，它
们通过运算得到一些结果，有好有坏，把好的一批取出来，做为下一轮
计算的初值进行运算，反复如此，最终得到满意的结果。
举个例子，假如有一个动物群体，如果你能让他们当中越强壮的越
能优先交配和产籽，那么千万年后，这个动物群体肯定会变得更加强
壮，这是很容易理解的。
同样，对于许多算法问题，特别是NP问题，比如说最短路径，如果
有400个城市，让你找出最短的旅游路线，采用穷举比较，复杂度为
O（n！），这时，你可以先随机产生100种路径，然后让他们之中路程
越短的那些越能优先互相交换信息(比如每条里面随机取出10个位置互
相交换一下),那么循环几千次后，算出来的路径就跟最短路径非常接近
了（即求出一个近似最优解）。
遗传算法的应用还有很多，基本思想都一样，但实现上可能差别非
常大。现在有许多搞算法的人不喜欢遗传算法，因为，它只给出了一
种“有用”的方法，却不能保证有用的程度，与此相反，能保证接近最
优程度的概率算法更受青睐。
遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律
（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由
，其主要特点是直接对结构对象
进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更
好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的
搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这
些性质，已被人们广泛地应用于组合优化、机器学****信号处理、自适
应控制和人工生命等领域。它是现代有关智能计算中的关键技术之一。
达尔文的自然选择学说是一种被人们广泛
接受的生物进化学说。这种学说认为，生物要生存下去，就必须进行生
存斗争。生存斗争包括种内斗争、种间斗争以及生物跟无机环境之间的
斗争三个方面。在生存斗争中，具有有利变异的个体容易存活下来，并
且有更多的机会将有利变异传给后代；具有不利变异的个体就容易被淘
汰，产生后代的机会也少的多。因此，凡是在生存斗争中获胜的个体都
是对环境适应性比较强的。达尔文把这种在生存斗争中适者生存，不适
者淘汰的过程叫做自然选择。它表明，遗传和变异是决定生物进化的内
在因素。自然界中的多种生物之所以能够适应环境而得以生存进化，是
和遗传和变异生命现象分不开的。正是生物的这种遗传特性，使生物界
的物种能够保持相对的稳定；而生物的变异特性，使生物个体产生新的
性状，以致于形成新的物种，推动了生物的进化和发展。遗传算法是
模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型。它的思想源于生物遗传学和适者生存的自然规律，是具有“生存＋检测”的迭
代过程的搜索算法。遗传算法以一种群体中的所有个体为对象，并利用
随机化技术指导对一个被编码的参数空间