1樓：渣男自然卷
遺傳演算法（Genetic Algorithm）是模擬自然界生物進化機制的一種演算法，即遵循適者生存、優勝劣汰的法則，也就是尋優過程中有用的保留無用的去除。在科學和生產實踐中表現為，在所有可能的解決方法中找出最符合該題所要求的的條件的解決方法。及找出乙個最優解。
遺傳操作就是模擬生物基因的遺傳的做法。在遺傳演算法中，通過編碼組成初試群體後，遺傳操作的任務就是對群體的個體按照它們對環境適應度（適應度評估）施加一定的操作，從而實現優勝劣汰的進化過程。從優化搜尋的角度而言，遺傳操作可使問題的解，一代又一代地優化，並逼近最優解。
遺傳演算法過程圖如圖所示：
遺傳操作包括以下三個基本運算元：選擇、交叉、變異。個體遺傳運算元的操作都是在隨機擾動的情況下進行的。
因此群體中個體想最優解遷移的規則是隨機的。需要強調的是，這種隨機化操作和傳統的隨機搜尋方法是有區別的，遺傳操作進行高效有向的搜尋，而不是如一般隨機搜尋方法進行無向搜尋。
eg求下列函式的最大值
,其中1.初試化種群
%初始化
function pop = initpop(popsize,chromlength)
pop = round(rand(popsize,chromlength));
%rand隨機產生每乙個單元為行數為popsize，列數為chromlength的矩陣
%round對矩陣每乙個單元進行園整，這樣產生初試種群。
end還可以參考遺傳演算法解決柔性作業呼叫問題來解決車間排程中的工序最優解問題
遺傳演算法的matlab實現_人工智慧_just_do_it_123的部落格-CSDN部落格
遺傳演算法解決柔性作業呼叫問題（flexible job shop scheduling problem）
如何從專業角度解釋 遺傳演算法 這一概念
當乙個問題你不要求最優解，並且有方法評估乙個解的優秀程度的時候，我們就可以通過隨機搜尋的方式來求解。而遺傳演算法之類的，就是通過評估解，讓下一次隨機更接近結果，以便快速收斂到結果上。我來舉個例子，比如有乙個簡單的迷宮，我們可以通過函式計算當前位置離出口的距離，來評判結果是否好。這種情況下，我們先設計...
量子遺傳演算法怎麼實現的？求大神幫忙講解講解？
雲外陽光 量子遺傳演算法 QGA Quantum Genetic Algorith 簡單來講 它與遺傳演算法的不同點主要在於種群編碼方式和進化策略上。量子遺傳演算法種群編碼方式的核心就是利用量子位和量子疊加態對染色體進行編碼，使乙個染色體同時表示多個狀態的資訊，極大的豐富了種群的多樣性 同時使用量子...
遺傳演算法和深度強化學習的結合會是新的方向嗎？
David 9 對於強化學習RL的一些新玩法和和新方向我總結了以下這些，基本可以涵蓋大部分創新 RL強化學習的新玩法和新想象 談談強化學習突破效率的問題 一蓑煙雨 有朋友之前做過進化策略和強化學習結合的相關調研，我就結合他的調研結果稍微說下自己的理解吧。進化策略類似於遺傳演算法，是一類模仿自然進化方...