遺傳演算法的基本原理

遺傳演算法的基本原理是：遺傳演算法是一類借鑑生物界的進化規律（適者生存，優勝劣汰遺傳機制）演化而來的隨機化搜尋方法，其主要特點是直接對結構物件進行操作，不存在求導和函式連續性的限定，具有內在的隱並行性和更好的全域性尋優能力，採用概率化的尋優方法，能自動獲取和指導優化的搜尋空間，自適應地調整搜尋方向，不需要確定的規則。

遺傳演算法（Genetic Algorithm，GA）最早是由美國的 John holland於20世紀70年代提出，該演算法是根據大自然中生物體進化規律而設計提出的。是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程搜尋最優解的方法。該演算法通過數學的方式，利用計算機模擬運算，將問題的求解過程轉換成類似生物進化中的染色體基因的交叉、變異等過程。在求解較為複雜的組合優化問題時，相對一些常規的優化演算法，通常能夠較快地獲得較好的優化結果。遺傳演算法已被人們廣泛地應用於組合優化、機器學習、訊號處理、自適應控制和人工生命等領域。