그GA경험적 최적화입니다 결정된 무작위 검색을 통해 작동하는 방법입니다. 는 최적화 문제에 대한 가능한 솔루션 세트는 다음과 같습니다. 로 간주됨인구의개인. 적응 정도 개인의 환경은 다음과 같이 지정됩니다.피트니스.
검색 공간에 있는 개인의 좌표는 다음과 같습니다. 으로 표현됨염색체, 본질적으로 문자열 세트. 갑토토 핫은 단일 값을 암호화하는 염색체의 하위 섹션 매개변수가 최적화되고 있습니다. 토토 핫에 대한 일반적인 인코딩은 다음과 같습니다.바이너리또는정수.
진화 작업 시뮬레이션을 통해재조합, 돌연변이, 그리고선택새로운 세대의 검색 자신의 평균 체력보다 더 높은 평균 체력을 보이는 포인트가 발견되었습니다. 조상.
"comp.ai.genetic"에 따르면FAQ그것은 아무리 강조해도 지나치지 않습니다.GA은(는) 순수한 무작위 검색이 아닙니다. 문제에 대한 해결책. 갑GA사용 확률론적 프로세스이지만 결과는 분명히 무작위가 아닙니다. (무작위보다 낫습니다).
a의 구조 다이어그램GA:
--------------
P(t) 시점 t의 조상 세대
P''(t) 시점 t의 후손 세대
+========================================+
| 알고리즘 GA <<<<<<<<<<<<<|
+========================================+
| 초기화 t := 0 |
+========================================+
| P(t) 초기화 |
+========================================+
| P(t)의 적합성 평가 |
+========================================+
| STOPPING CRITERION이 아닌 동안 |
| +-------------------------+
| | P'(t) := 재결합P(t) |
| +-------------------------+
| | P''(t) := MUTATIONP'(t) |
| +-------------------------+
| | P(t+1) := SELECTIONP''(t) + P(t) |
| +-------------------------+
| | P''(t)의 적합성 평가 |
| +-------------------------+
| | t := t + 1 |
+===+=====================================+