4 Genetic algorithmsGA is a stochas

4 Genetic algorithms

GA is a stochastic search methodology that obtains the most efficient solution(s) in a given space for a complex problem. GAs practically imitate natural species evolution on computers. They act as a set of solutions known as individuals of a population that mate, reproduce, etc. Ultimately, after a number of generations, the fittest individual solution survives (survival of the fittest). GA’s first appearance was during 1950s by biologists who tried to simulate the genetic species evolution using computers. They were formulated in detail by John Holland in the early 1970s [15] and were refined by Goldberg [16]. The following points give a generic view of how GAs operate (see Fig. 4):

結果 (中文) 1:

4 遗传算法遗传算法是一种随机搜索方法，得到最有效的解决方案，在给定的空间为一个复杂的问题。气体几乎模仿自然物种进化过程在计算机上。他们作为一套的解决方案称为个人的人口，交配，繁殖等。最终，经过几代人，适者生存的单个解决方案生存 （适者生存）。遗传算法的第一次出现是在 20 世纪 50 年代由生物学家试图模拟使用计算机遗传物种进化过程中。他们在 1970 年代初 [15]，由约翰 · 霍兰德制定详细和被提炼的戈德堡 [16]。以下几点给气体是如何运作 （见图 4） 的一般视图 ︰

結果 (中文) 3:

4遗传算法遗传算法是一种随机搜索的方法，在给定的空间中得到一个复杂问题的最有效解。天然气在计算机上模拟自然物种演化。他们作为一组被称为一组的解决方案，在一个世代的人，繁殖，等，最终，经过一系列的，优胜劣汰的个人解决方案生存（优胜劣汰）。遗传算法的第一次出现是在20世纪50年代由生物学家试图模拟遗传物种进化使用计算机。他们制定了详细的荷兰在上世纪70年代初[ 15 ]和[ 16 ]精致的戈德堡。下面的要点给出了一个通用的气体操作视图（见图4）：