第2章 遗传算法基础

2.1 遗传算法简介

遗传算法是模拟生物在自然环境中的遗传和进化的过程而形成的自适应全局优化搜索算法；它借用了生物遗传学的观点，通过自然选择、遗传和变异等作用机制，实现各个个体适应性的提高。

遗传算法本质上是一种并行、高效、全局搜索的方法，它能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程以求得最优解。遗传算法的操作使用了“适者生存”的原则，在潜在的解决方案种群中逐次产生一个近似最优的方案。在遗传算法的每一代中，根据个体在问题域中的适应度值和从自然遗传学中借鉴来的再造方法进行个体选择，产生一个新的近似解。这个过程导致种群中个体的进化，所得到的新个体比原个体更能适应环境，就像自然界中的改造一样。

如前所述，遗传算法具有对参数的编码进行操作、不需要推导和附加信息、寻优规则非确定性、自组织、自适应和自学习性等特点。当染色体结合时，双亲遗传基因的结合使得子女保持父母的特征；当染色体结合后，随机的变异会造成子代同父代的不同。