遗传算法
遗传算法(Genetic Algorithm, GA)是近年来迅速发展起来的一种全新的随机搜索与优化算法，其基本思想是基于达尔文(Darwin)的进化论和Mendel的遗传学说。
近年来，遗传算法已被成功地应用于工业设计、经济管理、交通运输等不同领域，解决了许多问题，如可靠性优化、流水车间调度、作业车间调度、机器调度、设备布局设计、图像处理及数据挖掘等。
遗传算法基本原理
与传统搜索算法不同，遗传算法主要通过交叉、变异、选择运算实现。交叉或变异运算生成下一代染色体，称为后代。染色体的好坏用适应度来衡量，根据适应度的大小从上一代和后代中选择一定数量的个体，作为下一代群体，再继续进化，这样经过若干代之后，算法收敛于最好的染色体，它很可能就是问题的最优解或次优解，遗传算法中使用适应度这个概念来度量群体中的各个个体在优化计算中有可能到达最优解的程度。度量个体适应度的函数称为适应度函数，适应度函数的定义一般与具体求解问题有关。
