thega는 휴리스틱 최적화입니다 결정된 무작위 검색을 통해 작동하는 방법. 그만큼 최적화 문제를위한 가능한 솔루션 세트입니다 로 간주인구of개인. An의 적응 정도 individual to its environment is specified by its피트니스.
검색 공간에서 개인의 좌표는 다음과 같습니다. 대표염색체, 본질적으로 a 문자열 세트. 에이geneis 단일의 값을 암호화하는 염색체의 하위 섹션 매개 변수가 최적화되고 있습니다. 유전자에 대한 전형적인 인코딩이 될 수 있습니다binary또는정수.
진화 작업의 시뮬레이션을 통한재조합, 돌연변이, 그리고선택새로운 세대의 검색 평균 체력이 높을 수있는 포인트가 발견됩니다. 부조.
"comp.ai.genetic"에 따르면FAQa 너무 강하게 강조 할 수 없습니다.gaa 문제에 대한 해결책. 에이ga용도 확률 론적 프로세스이지만 결과는 분명히 비 랜덤입니다 (무작위보다 낫다).
a의 구조화 된 다이어그램ga:
-------------------------------
p (t) 한 번에 조상의 생성 t
p ''(t) 한 번에 후손의 생성 t
+========================================+
| 알고리즘 ga <<<<<<<<<<<<<<<<<<<<<<< |
+========================================+
| 초기화 t : = 0 |
+========================================+
| 초기화 p (t) |
+========================================+
| p (t) |의 평가 체력 평가
+========================================+
| 기준을 중지하지 않고 |
| +------------------------------------+
| | p '(t) : = 재조합 p (t) |
| +------------------------------------+
| | p ''(t) : = 돌연변이 p '(t) |
| +------------------------------------+
| | p (t + 1) : = 선택 p ''(t) + p (t) |
| +------------------------------------+
| | p ''(t) |의 평가 체력 평가
| +------------------------------------+
| | t : = t + 1 |
+===+==========================================+