遗传算法是一种模拟生物自然进化的一种算法，通话对生物进化的模拟，实现对数值函数的模拟计算。它主要分为四个步骤：初始化、杂交、变异和选择。相关实现可参考https://github.com/ShaquallLee/evolutionary-programming/tree/master/aEP

1、初始化

初始化即初始化种群中每个个体，在左右边界之间随即取得每个染色体个体中每个基因的值，并根据适应值函数计算每个个体的适应值。在此处可研究一些初始化方法，使得在初始化过程中得到的个体更均匀、更有利于找到最优个体。

2、杂交

通过随机出一个浮点数r，若r小于杂交概率，则将两个已选染色体各个基因进行杂交，得到一个新的个体。此处课研究一个新的杂交方法，使得其杂交得到的个体值域更大。

3、变异

对染色体中每一位基因进行以下操作：1）随机一个浮点数r；2）比较r与变异率，若r较小，则对当前基因为进行变异，变异为取值域内一个随机数，否则进行下一位基因的操作；

4、选择

选择是类似于自然环境中的优胜劣汰，通过一定的方法，从当前种群中选择出较好个体进入下一代的迭代中去。最常见的方式轮盘选择法，步骤如下：

综上，遗传算法常见结构如下：

• 初始化
• for i=0:
  • 杂交
  • 变异
  • 选择
• until i到固定的代数或者达到某种条件

若有什么不对地方，欢迎交流