经典的遗传算法（GA）

遗传算法属于一种以自然界种群遗传进化规律为基础的自适应全局优化概率搜索方法，其通过模拟生物进化过程实现对复杂问题的求解。

1、遗传算法的基本概念

1、遗传学基本概念与术语

**基因型(genotype)：**遗传信息构成的模型
**表现型(phenotype)：**受染色体影响而呈现的外在特征
**基因座(locus)：**染色体上特定遗传因子所处的位置，同一位置上可能存在的所有遗传因子被称为等位基因
**编码(coding)：**将表现型信息转化为基因型的过程
**解码(decoding)：**由基因型信息推导出表现型的过程

2、遗传算法的构成要素

• 种群（population），即种群规模（pop_size），代表个体数量
  • 基因表达方式——编码方案（encoding scheme；gene representation）
  • 遗传操作符（Genetic Operator）：包括交叉（Crossover）与变异（Mutation）
  • 选择机制：通常采用正比选择策略
  • 终止规则（Stopping Rule/Criterion），一般情况下终止条件为最大迭代次数，即预先设定的循环次数

3、生物进化与遗传算法对应关系

![在这里插入图片描述](https://cdl.itadn.