3.算法——遗传算法

若在定义域D上，满足约束g(x)，目标f(x)的解是有限的，可以归类为优化问题。

枚举时间复杂度

遗传算法

物竞天择、适者生存。核心问题：怎么选择，怎么交叉，怎么变异？

选择

轮盘赌算法

旋转，累计概率，达到阈值则选中。

确定性算法

第一步，选选择概率最大的
第二步，如果不够，选小数部分最大的

交配

从交配位置起，后续的基因序列互换

变异

变异发生在染色体的某一个基因上。
当以二进制编码时，变异的基因由0变成1，或者由1变成0。
如，变异位发生在第三位，对于染色体x=11001，则变异后的染色体变成了y=11101

算法流程

需要设置的超参数

例题

群体：随机初始化得的
适应值：适应算法计算，此处为函数表达式的值
选择概率=$\frac{适应值}{适应值求和}$
期望次数=群体规模N * 选择概率
选中次数：共需选群体规模N=4个，将期望次数大于1的个体2号和4号选出，不足4个，第二轮将小数部分最大的2号和1号选出。

交配位：第i位后方元素互换





不断迭代，直至停止。