遺傳算法（Genetic Algorithm）是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機理的生物進(jìn)化過程的計算模型，是一種通過模擬自然進(jìn)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(jìn)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(jié)構(gòu)對象進(jìn)行操作，不存在求導(dǎo)和函數(shù)連續(xù)性的限定；具有內(nèi)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(dǎo)優(yōu)化的搜索空間，自適應(yīng)地調(diào)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(shè)置進(jìn)化代數(shù)計數(shù)器t=0，設(shè)置較大進(jìn)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(yīng)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(yīng)度評估基礎(chǔ)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(jìn)化過程中所得到的具有較大適應(yīng)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(xué)人工智能領(lǐng)域中用于解決較優(yōu)化的一種搜索啟發(fā)式算法，是進(jìn)化算法的一種。

聲明：我方為第三方信息服務(wù)平臺提供者，本文來自于網(wǎng)絡(luò)，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(nèi)容僅供參考。如若我方內(nèi)容涉嫌侵犯其合法權(quán)益，應(yīng)該及時反饋，我方將會盡快移除被控侵權(quán)內(nèi)容。