遗传算法

遗传算法是一类自适应算法随机优化 算法包括搜索和优化。荷兰（1975年）首次使用了遗传算法。

其基本思想是试图模拟一幅简单的自然选择图，以便找到一个好的算法。第一步是改变或随机改变给定的样本程序集合。第二步是选择步骤，通常通过对适应度函数进行测量来完成。重复该过程，直到找到合适的解决方案。

有大量不同类型的遗传算法。涉及变异的步骤取决于样本程序的表示方式，以及程序员是否包含各种交叉技术。适合性测试也取决于程序员。

与梯度流优化一样，该过程可能陷入适应度函数的局部最大值。遗传算法的一个优点是它不要求适应度函数非常平滑，因为随机搜索而不是遵循阻力最小的路径。但要想取得成功，可修改参数与健身。一般来说，一个人会遇到计算的不可还原性.

Holland创建了一个电子有机体作为二进制字符串（“染色体”），然后利用适合繁殖的遗传和进化原则进行选择（包括随机交叉和变异），以高效地搜索巨大的解空间。所谓的遗传编程语言应用相同的原理，使用表达式树而不是位字符串作为“染色体”