遗传算法中主要概念及其生物学与实际问题对应关系解析

为了便于理解算法，我们先介绍有关名词的解释及其内涵，以及与生物进化、实际应用问题的对应关系。

（1）基因串

基因串也称为个体，相当于生物的染色体，叫做基因型个体，遗传算法有时也称为染色体，对应实际问题的一个解或解的编码。一定数量的个体组成了群体，群体中个体的数量叫做群体大小，群体也就是对应实际问题的一组解。

（2）基因

基因是基因串中的元素，基因用于表示个体的特征。例如有一个串S＝1011，则其中的1、0、1、1这4个元素分别称为基因。它们的值称为等位基因。基因是生物的遗传元素，染色体是基因的载体（染色体又可以叫做基因型个体），基因是染色体的一个片段，可以是一个数值、一组数或一串字符。

（3）基因位置

在算法中表示一个基因在串中的位置称为基因位置，有时也简称为基因位。基因位置从串的左边向右边计算，例如在串S＝1101中，0的基因位置是3。

（4）基因特征值

在用串表示整数时，基因的特征值与二进制数的权一致；例如在串S＝1011中，基因位置3中的1，它的基因特征值为2；基因位置1中的1，它的基因特征值为8。

（5）适应度和适应度函数(www.xing528.com)

各个个体对环境的适应程度叫做适应度，也就是遗传算法的目标函数，相当于生物生存的环境条件。为了体现个体的适应能力，引入了对问题中的每一个个体都能进行度量的函数，叫适应度函数。这个函数是计算个体在群体中被使用的概率。

（6）选择

从群体中选择优胜的个体，淘汰劣质个体的操作叫选择。选择算子有时又称为再生算子。选择与生物进化中的选择同义。

（7）交叉

在自然界生物进化过程中起核心作用的是生物遗传基因的重组（加上变异）。同样，遗传算法中起核心作用的是遗传操作的交叉算子。交叉概率是判断是否满足交叉条件的一个小于1的阈值。交叉是产生一组实际问题新解的过程。

（8）变异

变异算子的基本内容是对群体中的个体串的某些基因座上的基因值作变动，与生物遗传中的变异同义。变异是编码的某一分量发生变化的过程。

（9）遗传操作

遗传操作就是模拟生物基因遗传的做法，寻求最优的后代即实际问题的优化解。