等位基因
(allele )
数据值、属性和值
遗传基因座
(locus )
位置、
迭代器
位置
表现型
(phenotype )
参数集、解码结构、候选解
染色体：也称为基因型个体
(individuals )
集团公司
/
种群
(population )
一定数量个体组成、一定数量的染色体组成、集团中的个体数
量叫做集体尺寸。
初始群体：若干染色体的集合，即解的规模，如
30
，
50
等等，被认为是随机选择的数据的集合。
适应度
(金融)
:各个体对环境的适应度
优化首先是将实际问题转化为遗传空间，
用染色体表示实际问题的解
称为编码，
逆过程是解码
/
为了在优化后评价解码，此时得到的解是否优于以前的解)
所以我会回来
因为要返回问题空间，所以要进行解码。
美国国家航空航天局
采用二进制代码，
染色体是二进制位串，每个位可以称为
为了一个基因
；
如果直接生成二进制初始种群
不需要编码过程，
但是，要求在解码时分解染色体
代码在问题的可执行范围内。
遗传算法的准备
:
1 )1) ) ) )。
数据转换操作，包括表现型到基因型的转换和基因型到表现型的转换。 前者是追求
解空间中的参数转化为遗传空间中的染色体或个体
(编码)
后者是相反的操作
(译码)
2 )
确定适应度计算函数，可以将个体值经过该函数变换为该个体的适应度、其适应度
的高低，必须充分反映出该个体对解的优秀。 这是一个非常重要的过程。
遗传算法
基本过程是
:
1 )1) ) ) )。
编码，创建初始组
2 )
群体中个体适应度的计算
3 )3) ) )。
评价适应度
4 )4) ) )。
根据适应度选择个体
5 ) ) ) )。
选择个体进行交叉繁殖
6 ) ) ) )。
在繁殖过程中引入变异机制
7 ) ) )。
建立新集团，返回第二步