摘要：開篇先提到一些生物學(xué)的觀點(diǎn)是因?yàn)?，人工智能中遺傳算法的靈感來源于生物學(xué)，它是一種仿生的概念。我理解的遺傳算法，就是一個(gè)多點(diǎn)的不定向搜索。

生物學(xué)中的進(jìn)化論的核心為“物競(jìng)天擇，適者生存”，暗含了的規(guī)則是生物能否生存是不定的，但是適應(yīng)環(huán)境的生物更容易生存。生物的多樣性能夠保持來源于繁殖和變異。
沒錯(cuò)，你沒有點(diǎn)錯(cuò)，這的確是一篇有關(guān)人工智能入門的博客。開篇先提到一些生物學(xué)的觀點(diǎn)是因?yàn)?，人工智能中遺傳算法的靈感來源于生物學(xué)，它是一種仿生的概念。

一.遺傳算法
那么，什么是遺傳算法呢？我們來舉個(gè)栗子吧。
在爬蟲動(dòng)物園里有著各種各樣的螞蟻，我想選出一種螞蟻來代表動(dòng)物園去參加全城動(dòng)物園的螞蟻戰(zhàn)斗比賽。那我該怎么選呢？這里有一個(gè)聰明人提出了一個(gè)方法：首先，我們從各個(gè)螞蟻的種群中選擇出一部分來（選擇初代種群），讓他們相互打架，然后把勝者留下來互相繁殖（交叉產(chǎn)生子代，選擇了比較好的基因進(jìn)行遺傳）。把小螞蟻養(yǎng)大，然后再讓它們打架，勝者繁殖（不斷生成子代）。通過多次的繁殖和選擇，動(dòng)物園有極大的可能選出的螞蟻是所有螞蟻中打架最厲害的。
好吧，這個(gè)例子不是特別的好。我理解的遺傳算法，就是一個(gè)多點(diǎn)的不定向搜索。它通過多次的實(shí)驗(yàn)，來找到符合適應(yīng)度函數(shù)的個(gè)體。

二.基本步驟
基本的步驟如下：
1.編碼：將我們可以用來搜索的部分編碼，常用二進(jìn)制串
2.產(chǎn)生初代：
3.計(jì)算每個(gè)個(gè)體的適應(yīng)度及適應(yīng)度占總體的比例（這里我使用了輪盤賭方案）：
4.以交叉概率選擇父代母代進(jìn)行交叉
5.以變異概率進(jìn)行變異
6.生成滿足種群容量的子代
7.進(jìn)化多代

三.代碼及說明
Java代碼：

import java.math.BigDecimal;
import java.util.Random;

public class Genetic {
    int geneSize = 20;
    int populationSize = 50;
    int iterationNum =100;
    double crossoverPro =0.8;
    double mutationPro = 0.05;
    int [][] individual = new int[populationSize][geneSize];
    double [] realValue =new double[populationSize];
    double [] fitness =new double [50];
    double [] fitnessPro =new double [populationSize];
    double currentOpt =0;
    int currentX =0;
    Random random =new Random();
    double [] max =new double[iterationNum];

    public void init(){
        for(int i =0;i=3;j--){
                decimal = decimal/2+individual[i][j];
            }
            realValue[i] += decimal/2; 
        }
    }
    
    private void CalFitnessAndFitnessPro(){
        double sum =0;
        currentOpt =0;
        currentX =0;
        for(int i =0;i=pro){
                    for(int k =0;k=pro){
                    for(int k =0;k
這里我使用了二進(jìn)制編碼，單點(diǎn)交叉，輪盤賭加精英選擇（沒代向下完整保留最優(yōu)個(gè)體）。我目標(biāo)是計(jì)算f(x) = x+ 10sin5x + 7cos4x 在[0,9]區(qū)間上的極大值，之所以在適應(yīng)度函數(shù)里加入還加了17是因?yàn)閒(x)在某些位置的時(shí)候是取到負(fù)數(shù)（最小-17），而參與輪盤賭計(jì)算的函數(shù)必須是正數(shù)，所以我加了17.
四.小嘗試
二進(jìn)制編碼在0.001這樣的數(shù)的時(shí)候是不精確的，于是我想能不能用十進(jìn)制來解決這個(gè)問題呢？下面我嘗試做了十進(jìn)制編碼（精確度是0.00001）
Java代碼：
import java.math.BigDecimal;
import java.util.Random;

public class DecimalGenetic {
    int geneSize = 6;
    int populationSize = 50;
    int iterationNum =100;
    double crossoverPro =0.8;
    double mutationPro = 0.01;
    int [][] individual = new int[populationSize][geneSize];
    double [] realValue =new double[populationSize];
    double [] fitness =new double [50];
    double [] fitnessPro =new double [populationSize];
    double currentOpt =0;
    int currentX =0;
    Random random =new Random();
    double []max =new double[iterationNum];
    
    public void init(){
        for(int i =0;i0;j--){
                decimal = decimal/10+individual[i][j];
            }
            realValue[i] += decimal/10; 
        //    System.out.println(realValue[i]+"   "+i);
        }
    }
    
    private void CalFitnessAndFitnessPro(){
        double sum =0;
        currentOpt =0;
        currentX =0;
        for(int i =0;i=pro){
                    for(int k =0;k=pro){
                    for(int k =0;k
實(shí)現(xiàn)和二進(jìn)制大部分一致，但是在變異部分我用了取隨機(jī)數(shù)這個(gè)方法。
五.思考：
關(guān)于編碼，我在做完之后有一些思考，想和大家分享.我們編碼一個(gè)數(shù)據(jù)，用0-1串表示，每一位是沒有差別的，但是轉(zhuǎn)換為數(shù)字的時(shí)候，每一位的權(quán)值是不同的。對(duì)于真正的自然界，每個(gè)性狀對(duì)于生物的存活幾率的影響也是不同的。比如果蠅的翅膀大小和眼色對(duì)于它的生存幾率的影響是不同的，那反應(yīng)成我們這里的編碼就是位置不同，權(quán)重不同.這里算是遺傳算法的奇妙之處吧.
下面推薦一個(gè)講述比較完整的博客：https://segmentfault.com/a/1190000004155021