# 遗传算法

> 遗传算法（英语：Genetic Algorithm，GA）是计算数学中用于解决最优化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等等。遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解（称为个体）可抽象表示为染色体，使种群向更好的解进化。

- ID: m06027
- 分类: technical
- 领域: 算法

## 定义

模拟自然进化过程（选择、交叉、变异）来搜索最优解。不依赖对问题的理解，只依赖“优胜劣汰”的迭代。脚手架作用： 无脑进化的力量。当你不知道怎么做更好时，试着随机变异（尝试不同方法），然后让市场（环境）去选择。保留活下来的，重复此过程。你不需要聪明，只需要迭代得够快。

## 机制

受进化启发，通过对候选解群体施加选择、交叉与变异，迭代保留适应度高的解以逼近最优。本质是随机搜索。

## 练习

定义编码、适应度函数与遗传算子。初始化种群并迭代演化至收敛。用于优化、调度与参数搜索。

## 脚手架用法

无脑进化的力量。当你不知道怎么做更好时，试着随机变异（尝试不同方法），然后让市场（环境）去选择。保留活下来的，重复此过程。你不需要聪明，只需要迭代得够快。

[阅读网页](https://thinkingmodels.site/entries/detail/m06027)