目录:
定义-遗传算法是什么意思？
遗传算法是一种用于人工智能和计算的启发式搜索方法。 它用于基于自然选择和进化生物学理论来寻找搜索问题的优化解决方案。 遗传算法非常适合搜索大型和复杂的数据集。 它们被认为能够为复杂问题找到合理的解决方案，因为它们具有解决不受约束和受约束的优化问题的能力。
技术百科解释了遗传算法
遗传算法利用了来自进化生物学的技术，例如选择，突变，遗传和重组来解决问题。 遗传算法中最常用的方法是从给定的种群中随机创建一组个体。 在程序员提供的评估功能的帮助下评估由此形成的个人。 然后为每个人提供一个分数，该分数间接突出显示了对给定情况的适应性。 然后，使用最好的两个人来创建一个或多个后代，然后对后代进行随机突变。 根据应用程序的需要，该过程将继续进行，直到得出可接受的解决方案或经过一定数量的世代为止。
遗传算法与经典的基于导数的优化算法在两个方面有所不同：
- 遗传算法在每次迭代中生成大量点，而经典算法在每次迭代中生成单个点。
- 遗传算法通过使用随机数生成器进行计算来选择下一个种群，而经典算法通过确定性计算来选择下一个点。
与传统的人工智能相比，遗传算法具有许多优势。 它更坚固耐用，并且由于输入的微小变化或噪声的存在而易于击穿。 对于其他优化方法，例如实践，线性规划，启发式，优先或广度优先，遗传算法可以在搜索大型多模态状态空间，大型状态空间或n维表面时提供更好，更有意义的结果。
遗传算法广泛用于许多领域，例如机器人技术，汽车设计，优化的电信路由，工程设计和计算机辅助分子设计。
