之前我們介紹過一些求最優解的常用算法模式，比如貪心算法、動態規劃算法、窮舉算法，都是采用一種確定或幾乎確定的方式來尋找最優解。所謂的確定性是指以上這些算法都是建立在確定性基礎上的搜索算法，在搜索過程中遇到一個決策點時，對于選 a 還是選 b，其結果是確定的。比如貪婪法，就是按照貪婪策略選擇，同樣的條件下，每個決策選 1000 次結果都是一樣的。

這一課我們要介紹的是隨機化算法，該算法并不是閉著眼睛擲骰子，它是一種帶啟發式的隨機搜索，各種隨機化算法都有與之對應的理論基礎。隨機化算法常見的有模擬退火算法、禁忌搜索、蟻群算法、神經網絡，當然也包括本課要介紹的遺傳算法（Genetic Algorithm）。這些模擬、演化（進化）式的啟發式搜索算法的搜索過程不依賴目標函數的信息，非常適合一些傳統最優化方法難以解決的復雜問題或非線性問題，在人工智能、自適應控制、機器學習等領域得到了廣泛的應用。

遺傳算法原理

達爾文（Darwin）的進化論講述的是物競天擇、適者生存的自然原理，生物體通過自然選擇、基因突變和遺傳等規律進化出適應環境變化的優良品種。遺傳算法就是這樣一種借鑒生物體自然選擇和自然遺傳機制的隨機搜索算法，其搜索過程就是“種群”一代一代“進化”的過程，通過評估函數進行優勝劣汰的選擇，通過交叉和變異來模擬生物的進化。

遺傳算法基本原理

在講解遺傳算法之前，先介紹幾個概念。

• 基因（Gene），生物學中基因是一個獨立的遺傳因子，在遺傳算法中，基因是一組編碼，代表的是參與計算的遺傳特征。
• 種群（Po

總結

以上是生活随笔為你收集整理的第7-6课：遗传算法的两个应用实例的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。