《算法的乐趣》第五十一节

本节介绍遗传算法的三个关键要素。首先是适应度评估函数，它衡量个体与最优解的接近程度，评估过程包括基因解码、用目标函数计算结果、再转换为适应度。

本节介绍遗传算法的三个关键要素。首先是适应度评估函数，它衡量个体与最优解的接近程度，评估过程包括基因解码、用目标函数计算结果、再转换为适应度。该函数可固定不变，也可随阶段调整（即适应度尺度变换）；固定函数易导致初期早熟和后期区分度不足，而设计不当会错过最优解。

其次是遗传算子：选择算子从群体中选出优良个体繁殖到下一代，常见策略有比例选择、随机竞争选择、最佳保留选择、排序选择和确定式采样选择；交叉算子交换两个个体的基因片段以产生新个体，方式包括单点、两点、多点、均匀和算术交叉；变异算子以较低概率替换某个基因片段，类型有单点、固定位置、均匀、边界和高斯变异，与交叉共同维持种群多样性。

最后是四个运行参数：种群大小M（建议不小于20）、交叉概率Pc（建议0.4～0.9，常用0.8）、变异概率Pm（建议小于0.2）、进化代数T（建议至少100代），它们共同影响算法的多样性、效率与结果准确性。下一节将用遗传算法求解0-1背包问题。