一文读懂遗传算法的基本流程（遗传算法的基本步骤流程图）

遗传算法。

遗传操作起源于对生物系统所进行的计算机模拟研究，是一种随机全局搜索优化方法。遗传算法的基本流程：初始化、个体评估、选择运算、交叉运算、变异运算、终止条件判断是否进行下一次迭代。

·一、初始化：确定迭代次数，随机生成a个个体作为初始群体，每个个体都是问题的一个解，看作一个染色体，将染色体编码成字符串的形式。

·二、个体评估：遵循优胜劣汰的原则，个体评估需要确定适应度函数，又称评价函数，是根据目标函数确定的用于区分群体中个体好坏的标准。适应度高的被选中遗传的概率大，适应度越低被淘汰的概率越大。

·三、选择运算：根据适应度大小选择适应度高的个体，淘汰适应度低的个体。采用轮盘赌选择法，在该方法中各个体的选择概率和适应度值成比例，适应度越大被选中的概率越大，适应度越小的被选择的概率越小。

·四、交叉运算：对存留下的染色体的基因进行重组，采用单点交叉或多点交叉，即在染色体编码串中随机设置交叉点，将染色体编码随机分成若干部分进行交换，得到新的染色体个体。

·五、变异运算：随机改变个体染色体编码串的基因，从而形成新的个体。在二进制编码中即将符号0变1，1变0。

·六、判断终止条件：若达到预定的迭代次数则算法停止输出优化解，否则继续迭代。

难度系数：☆☆☆