8.2. 基因算法

基因算法( GA )是一种启发式的优化法（heuristic optimization method），它是通过既定的随机搜索进行操作．优化问题的可能的解的集合被认为是 个体（individuals） 组成的 人群（population） ．一个个体对它的环境的适应程度由它的 健康度（fitness） 表示．

一个个体在搜索空间里的参照物是用 染色体（chromosomes） 表示的，实际上那是一套字符串．一个 基因（gene） 是染色体的一个片段，基因是被优化的单个参数的编码．对一个基因的典型的编码可以是 二进制（binary） 或 整数（integer） 。

通过仿真进化过程的 重组（recombination） ， 突变（mutation） 和 选择（selection） 找到新一代的搜索点，它们的平均健康度要比它们的祖先好．

根据 "comp.ai.genetic" FAQ ，我们不论怎么强调 GA 在解决一个问题时不是纯随机搜索都不过份． GA 使用随机处理，但是结果明显不是随机的（比随机更好）．

Figure 8-1. 基因算法的结构化框图

P(t)	t 时刻的父代
P''(t)	t 时刻的子代

+=========================================+
|>>>>>>>>>>>  Algorithm GA  <<<<<<<<<<<<<<|
+=========================================+
| INITIALIZE t := 0                       |
+=========================================+
| INITIALIZE P(t)                         |
+=========================================+
| evalute 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)}  |
|   +-------------------------------------+
|   | evalute FITNESS of P''(t)           |
|   +-------------------------------------+
|   | t := t + 1                          |
+===+=====================================+