机器学习 遗传算法

考完六级我又满血复活啦，小伙伴们有没有想我呀，嘿嘿嘿，一定是有的吧。这次考六级可谓是呕心沥血了，不过还好结果还不错。

顺带提醒一下，今天是父亲节，记得给你们的爸爸打电话送祝福哦！！！

好啦，废话不多说，我们来开启今天的主题吧，那就是遗传算法啦。在这个愉快的节日里，就说一些相对轻松的内容吧。我们这次的遗传算法模块较多，所以分块也就较多，应该会有四次。

我们先来了解一下遗传算法的内容吧：

遗传，很容易就让我们想到了高中生物中学到的那些知识，没错，我们的遗传算法就是在自然界生物的进化中找到经验总结成算法。总的来说就是物竞天择，适者生存。

遗传算法可以用于处理数据域庞大的问题，然后选择出自己需要的数据。比如，我们要在-1~1中以10^（-10）的精度选择出我们需要的数据，如果把每个算出来，再进行比较你可以想象一下这需要多少次计算比较。但是遗传算法，可以帮助我们更快地找到需要的数据，具体的情况，下次实际操作中我们再来体会。

遗传算法的具体步骤就和我们种群的进化一样，有着自然界的选择，交叉以及变异：

1.自然界用染色体为我们编码，那我们仿照自然界可以用自己的方式为我们的变量空间编码（这个编码就是按照自己的需要灵活多变，常见编码有二进制编码），再产生一个特定大小的种群。

2.计算每一个染色体对环境的适应度。例，假如我们需要找到某个数集中映射到输入最大的点，那么我们用当前的数映射到输出的大小来作为适应度；

3.根据适应度我们可以进行选择下一代种群的染色体组成，此处常用赌盘法，但是也可以根据需要找到其他算法。

4.模仿自然界中的变异，我们也对染色体进行变异操作（此步骤可以帮助我们更加精确找到最适点）

5.我们经过选择，交叉，变异后获得了一个新的种群，继续进行第二个步骤，循环直到达到了我们想要的结果。

这就是遗传算法大概的框架啦，下次就是编码，适应度计算和赌盘法啦。有兴趣也可以自己事先学习哦。