如何进行个体编码和种群初始化？

算法将所求问题的参数通过编码的方式转化为一个个基因，染色体负责承载着这些基因，通过染色体之间重组的方式进行繁衍，将这些基因不断地传承下去，最终再通过解码的方式将基因转化为所求问题的可行解，达到求解的目的。种群的编码方式表明了可行解在同一染色体上存在不同的表达方式。编码方式不同，其精度也就不同，进而在染色体重组操作时搜寻的效果也就不同。

浮点数编码方法是基于优化参数，采用实数值，一个基因对应一个优化参数，这样不仅没有二进制编码那样的精度损失，而且效率较高，使用更灵活。本章的种群初始化采用如下方式随机生成每一个个体。假设种群个体X=（x1，x2，…，xn）的初始化如下所示：

式中，xi 表示优化参数，xi，l 和xi，u 分别代表优化参数xi 的上、下界。(www.xing528.com)

种群由所有的个体（染色体）组成，其概念的提出表明了遗传算法是一种多点搜索算法，不同于以往优化算法中单点搜索的方式，种群中每一条染色体表示一条搜索路径，多条染色体同时在解集的空间内进行搜索，大大加快了搜索速度，增加了求解概率，经过一系列染色体重组方式后，当所有的染色体的搜索路径都一致时，表明求解过程已经完成收敛，算法结束。

种群规模的大小代表搜索的难易程度，种群规模大，搜索空间的范围可能扩大，但是每一代繁衍消耗的时间长；种群规模小，搜索空间的范围小，每一代繁衍消耗的时间少。但是仅仅考虑种群规模是很有限的，还要考虑算法的其他操作算子。总而言之，种群是一种以空间复杂度交换时间复杂度的方式。