生物学中的进化论的核心为“物竞天择，适者生存”，暗含了的规则是生物能否生存是不定的，但是适应环境的生物更容易生存。生物的多样性能够保持来源于繁殖和变异。

没错，你没有点错，这的确是一篇有关人工智能入门的博客。开篇先提到一些生物学的观点是因为，人工智能中遗传算法的灵感来源于生物学，它是一种仿生的概念。

一.遗传算法

那么，什么是遗传算法呢？我们来举个栗子吧。在爬虫动物园里有着各种各样的蚂蚁，我想选出一种蚂蚁来代表动物园去参加全城动物园的蚂蚁战斗比赛。那我该怎么选呢？这里有一个聪明人提出了一个方法：首先，我们从各个蚂蚁的种群中选择出一部分来（选择初代种群），让他们相互打架，然后把胜者留下来互相繁殖（交叉产生子代，选择了比较好的基因进行遗传）。把小蚂蚁养大，然后再让它们打架，胜者繁殖（不断生成子代）。通过多次的繁殖和选择，动物园有极大的可能选出的蚂蚁是所有蚂蚁中打架最厉害的。好吧，这个例子不是特别的好。我理解的遗传算法，就是一个多点的不定向搜索。它通过多次的实验，来找到符合适应度函数的个体。

二.基本步骤

基本的步骤如下：1.编码：将我们可以用来搜索的部分编码，常用二进制串2.产生初代：3.计算每个个体的适应度及适应度占总体的比例（这里我使用了轮盘赌方案）：4.以交叉概率选择父代母代进行交叉5.以变异概率进行变异6.生成满足种群容量的子代7.进化多代

三.代码及说明

Java代码：

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
      
     
    

这里我使用了二进制编码，单点交叉，轮盘赌加精英选择（没代向下完整保留最优个体）。我目标是计算f(x) = x+ 10sin5x + 7cos4x 在[0,9]区间上的极大值，之所以在适应度函数里加入还加了17是因为f(x)在某些位置的时候是取到负数（最小-17），而参与轮盘赌计算的函数必须是正数，所以我加了17.

四.小尝试

二进制编码在0.001这样的数的时候是不精确的，于是我想能不能用十进制来解决这个问题呢？下面我尝试做了十进制编码（精确度是0.00001）Java代码：

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;i
    
     0;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
      
     
    

实现和二进制大部分一致，但是在变异部分我用了取随机数这个方法。

五.思考：

关于编码，我在做完之后有一些思考，想和大家分享.我们编码一个数据，用0-1串表示，每一位是没有差别的，但是转换为数字的时候，每一位的权值是不同的。对于真正的自然界，每个性状对于生物的存活几率的影响也是不同的。比如果蝇的翅膀大小和眼色对于它的生存几率的影响是不同的，那反应成我们这里的编码就是位置不同，权重不同.这里算是遗传算法的奇妙之处吧.

下面推荐一个讲述比较完整的博客：