遗传算法（一）

拆书《复杂》

是不是可以像繁育良种马和良种玉米那样繁殖程序～遗传算法的由来。

生物如何进化以应对其他生物和环境的变化，计算机系统是不是也可以用类似的规则产生适应性。

遗传算法（GA）的输入包括两部分：候选程序群体和适应性函数。适应性函数用来确定候选程序的适应度，度量程序完成指定任务的能力。

候选程序可以表示成位、数字或符号组成的字符串。

遗传算法（GA）就是将下面的步骤重复数代：

1.生成候选方案的初始群体。生成初始群体最简单的方法就是随机生成大量“个体”，在这里个体是程序（字符串）。

2.计算当前群体中各个个体的适应度。

3.选择一定数量适应度最高的个体作为下一代的父母。

4.将选出的父母进行配对。用父母进行重组产生后代，伴有一定的随机突变的概率，后代加入形成新一代群体。选出的父母不断产生后代，直到新的群体数量达到上限（即与初始群体数量一样）。新的群体成为当前群体。

5.转到第2步。

GA被应用于解决科学和工程领域的很多难题，甚至应用到艺术、建筑和音乐。

应用广泛从下面这些问题可见一斑：

通用电气讲GA用于飞行器的部分自动化设计；

洛斯阿拉莫斯国家实验室用GA分析卫星图像；

约翰迪尔John Deere  公司将GA用于自动化生产线的调度；

德州仪器Texas Instruments 则用GA来设计计算机芯片。

GA也被金融组织用于各种场合：识别交易欺诈（伦敦股票交易所）、分析信用卡数据（第一资本金融公司，Capital one）、预测金融市场和优化证券投资组合（第一象限公司，First Quadrant）。