遺傳算法

遺傳算法是啟發式的，隨機的 優化方法 已在1975年，荷蘭提出了第一次。 他們是基於這樣的理念進化的 自然選擇， 它提供甚至達爾文。

遺傳算法與各種人的工作，這是一個群體，每個個體可以作為解決任何特別的問題。 每個人都有適應的程度進行評估，這取決於如何好是與之對應的解決方案。 如果我們關係的性質考慮，還有就是對資源的競爭過程中，估計身體效率的程度。 個體是更適於，可以通過與其他居民的雜交育種方法繁殖。 這將導致新物種，結合從父母遺留傳輸某些特性的外觀。

少適應個人就能重現後代的可能性較小，所以他們擁有的屬性，將逐步在整個種群的進化過程中消失。 有時也有在基因或突變的自發變化。 事實證明，代代相傳的優良特性將在整個人口分佈。 近親結婚是最適合個人，導致什麼研究，代表了未來最大的搜索網站。 最後，它是解決方案。 遺傳算法具有的事實，這是一次近似解，這是最佳的一個相對較短的時間優勢。 值得考慮的是關於編程的問題。

遺傳算法是由以下幾部分組成：

- 表示所考慮到的問題的解決方案是由染色體基因。 這一人群 染色體的被認為是初級;

- 一組語句（設計產生新種群的基礎上，新的解決方案）;

- 目標函數 （旨在評估解決方案的適用性）。

對於遺傳算法提供了一個標準集合運算符：選擇，突變和交叉。 這是可以考慮的幫助利用遺傳算法澄清每一個特定的 運營商。 運營商 選擇選擇按照與染色體的適應度函數是什麼值。 這至少有兩個最流行的操作呈現：比賽和輪盤賭。 輪盤賭法涉及個人選擇的n個奔跑的運動。 對於在輪盤遊戲輪盤所採用的群體的每個成員包含一個扇區到所需的值。 人口在此選擇一個顯著更高速率適配的成員將早於具有低健身代表更經常被選擇。 當該方法實現賽事ň隊允許個人選出n個。 每個事件的基礎奠定了人口的樣本k個元素，其中最好的樣品應該被選中。

如果您繼續考慮編程算法，有必要向大家介紹一種叫做雜交育種方法。 渡操作者在群體中對染色體或染色體的部分之間交換。

最後運營商 - 突變 - 染色體的隨機變化。

具體考慮的利用遺傳算法提供了更大量的材料不能容納的文件，所以它應該考慮分開。