遗传算法基本原理及在互联网中的应用

基本原理：遗传算法类似自然进化，通过作用于染色体上的基因寻找好的染色体来求解。与自然界相似，遗传算法对求解问题的本身一无所知，它所需要的仅是对算法产生的每个染色体进行评价，并基于适应值来选择染色体，是适应性更好的染色体有更多的繁殖机会。在遗传算法中，通过随机方式产生若干个所求解问题的数字编码，即染色体，形成初始种群；通过适应度函数给每个染色体一个评价值，淘汰低适应度的个体，选择高适应度的个体参加遗传操作，经过遗传操作后的个体形成下一代新的种群。再对新种群进行下一轮的进化。

基本步骤：

1）初始化群体

2）计算群体上每个个体的适应度值

3）选择操作，遵循个体适应度值所决定的某个规则

4）交叉操作

5）突变操作

6）判断是否满足停止条件，不满足进入(2)，否则进入(7)

7）输出种群中适应度值最优的染色体作为问题的最优解

程序的停止条件一般有两种：达到预先设定的最大代数；种群中最优个体在连续若干代没有改进或平均适应度在连续若干代基本没有改进时停止。

如图：

在互联网中的应用场景：

1）排班：https://wenku.baidu.com/view/56c1a5a8dd88d0d233d46a62.html

2）路径规划：http://blog.csdn.net/XpxiaoKr/article/details/51153259

3）应急设施选址：paperuri:(bcd85c188b0c4ce1f5b7654433755c81)

初步整理，未完待续...