遺傳算法（Genetic Algorithm）是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索較優(yōu)解的方法。

  遺傳算法（Genetic Algorithm）是一類借鑒生物界的進化規(guī)律（適者生存，優(yōu)勝劣汰遺傳機制）演化而來的隨機化搜索方法。它是由美國的J.Holland教授1975年首先提出，其主要特點是直接對結構對象進行操作，不存在求導和函數(shù)連續(xù)性的限定；具有內在的隱并行性和更好的全局尋優(yōu)能力；采用概率化的尋優(yōu)方法，能自動獲取和指導優(yōu)化的搜索空間，自適應地調整搜索方向，不需要確定的規(guī)則。

遺傳算法的基本運算過程如下：

  a)初始化：設置進化代數(shù)計數(shù)器t=0，設置較大進化代數(shù)T，隨機生成M個個體作為初始群體P(0)。

  b)個體評價：計算群體P(t)中各個個體的適應度。

  c)選擇運算:將選擇算子作用于群體。選擇的目的是把優(yōu)化的個體直接遺傳到下一代或通過配對交叉產(chǎn)生新的個體再遺傳到下一代。選擇操作是建立在群體中個體的適應度評估基礎上的。

  d)交叉運算：將交叉算子作用于群體。遺傳算法中起核心作用的就是交叉算子。

  e)變異運算：將變異算子作用于群體。即是對群體中的個體串的某些基因座上的基因值作變動。

  群體P(t)經(jīng)過選擇、交叉、變異運算之后得到下一代群體P(t+1)。

  f)終止條件判斷:若t=T,則以進化過程中所得到的具有較大適應度個體作為較優(yōu)解輸出，終止計算。

  遺傳算法也是計算機科學人工智能領域中用于解決較優(yōu)化的一種搜索啟發(fā)式算法，是進化算法的一種。

聲明：我方為第三方信息服務平臺提供者，本文來自于網(wǎng)絡，登載出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其描述，文章內容僅供參考。如若我方內容涉嫌侵犯其合法權益，應該及時反饋，我方將會盡快移除被控侵權內容。