基因算法（GA）

GA 是一种启发式的优化法（heuristic optimization method），它是通过既定的随机搜索进行操作．优化问题的可能的解的集合被认为是个体 (individuals) 组成的的 人群(population) ．一个个体对它的环境的适应程度由它的健康度（fitness）表示．

一个个体在搜索空间里的参照物是用染色体（chromosomes）表示的，实际上那是一套字符串．一个基因 （gene）是染色体的一个片段，基因对被优化的单个参数进行编码．对一个基因的典型的编码可以是 二进制 （binary）或整数（integer）。

通过仿真进化过程的重组 （recombination）。突变 （mutation），和选择 （selection）找到新一代的搜索点，它们的平均健康度要比它们的祖先好．

根据 "comp.ai.genetic" FAQ，我们不论怎么强调 GA 在解决一个问题时不是纯随机搜索都不过份．GA 使用随机处理，但是结果明显不是随机的（比随机更好）．

GA 结构化框图：
---------------------------

P(t)    generation of ancestors at a time t
P''(t)  generation of descendants at a time t

+=========================================+
|>>>>>>>>>>>  Algorithm GA  <<<<<<<<<<<<<<|
+=========================================+
| INITIALIZE t := 0                       |
+=========================================+
| INITIALIZE P(t)                         |
+=========================================+
| evalute FITNESS of P(t)                 |
+=========================================+
| while not STOPPING CRITERION do         |
|   +-------------------------------------+
|   | P'(t)  := RECOMBINATION{P(t)}       |
|   +-------------------------------------+
|   | P''(t) := MUTATION{P'(t)}           |
|   +-------------------------------------+
|   | P(t+1) := SELECTION{P''(t) + P(t)}  |
|   +-------------------------------------+
|   | evalute FITNESS of P''(t)           |
|   +-------------------------------------+
|   | t := t + 1                          |
+===+=====================================+