种群
有一个鸟类种群，种群中有一些多样性，它们看起来有些色彩较浅，有些色彩较深。咱们也有4个捕食者猫头鹰，他们十分喜欢吃这些鸟，但对它们来说是什么色彩无所谓，由于它们尝起来都一样好吃，可是它们会跟着时刻变长而越来越饿，而且它们打猎的时刻和它们的视力正相关。但如图所示，明亮的布景下看到色彩较深的鸟要更容易，所以深色的鸟很容易被看到，被吃掉，色彩较浅的多鸟也会被随机吃掉。由于种群中留下的浅色鸟份额较高，它们繁衍和生产浅色子孙的可能性更高。
基因骤变
猫头鹰饿了，像以前一样出去寻找食物。他们每个人这次都吃鸟，成果种群中剩余的鸟都是白色的，或许它们的子孙也是白色的。可是在这个进程中，咱们看到其中一只鸟看起来不像它的爸爸妈妈。这在自然界中被称为基因骤变，由于脱氧核糖核酸复制自己的时候它会犯一些小错误，这些错误就是所谓的骤变。
遗传算法的组成
- METHOD TO SPAWN POPULATION
- CROSSOVER OPERATOR
- MUTATION OPERATOR
- FITNESS EVALUATION
种群
发生原始集体的办法，通常是设计GA最难的部分。当发生新的种群时，个别的发明被称为产卵。咱们希望保证种群具有满足的多样性或可变性，以取得解决方案空间的良好掩盖。
穿插
一旦咱们有了种群，咱们用来模拟来自两个爸爸妈妈的DNA组合，当他们有穿插子孙时。主动穿插是咱们在运用遗传算法时需求设计的最复杂的系统之一。
束缚
你想保证爸爸妈妈两边的特征都保存下来，一起保证他们的子孙在实际世界的一些束缚下是可行的。假如咱们试图培养最合适游水的人类。它们有鳃可能是抱负的，但这种违反了必须是人类的束缚。
变异
然后咱们需求一种办法来引入额定的可变性到咱们的问题中，模仿前面讨论的自然界中发生的骤变，可是，当咱们手工制造这个骤变运算符时。咱们能够尽可能少或尽可能多的骤变，或许增加更聪明的骤变办法，或许真实像咱们想要的那样有发明力，以保证咱们从GA中取得最佳成果，咱们GA需求的最后一个组件是确认个人习惯度的办法。
习惯度
在关于鸟的比如中，鸟类更好地融入它们更合适的环境。可是，当在GA中编码任何问题时。咱们需求一些办法来改动种群中的这个人。变成一个表示拟合程度的数字是十分好的，所以现在咱们有了遗传算法的一切组件。让咱们谈谈咱们的核心GA将遵从的进程。
比如
咱们在这种情况下的个人。每个个别由单个浮点值表示。X的值在-2到+6的范围内。因此，每个人都将在这个范围内创建一个随机值。现在种群的数量完全取决于咱们的电脑有多好。可是在咱们这里的比如中，咱们就选10吧。
然后咱们需求给咱们每个个别的习惯度进行评级。在咱们这里，这很简略。当刺进咱们的方程以合适咱们的个别时，成果值越低。
现在咱们有了咱们的种群，种群个别都有各自的习惯度，咱们能够开始繁衍进程了。尽管这个育种进程的施行能够改动咱们将要做的方法。
重复这个进程，直到有2倍的初始种群。接下来，咱们计算一切新子孙的习惯度。咱们把咱们的种群从最好的、最合适的到最差的。然后咱们移除种群的下半部分。这保证了繁衍的发生永久不会造成。咱们最好的解决方案是变得比前一代人更糟糕，咱们能看到的仅有前进是咱们会保持和前一代人一样好或许变得更好。
然后咱们重复这个进程，而咱们依然看到一代又一代的改善。假如一段时刻过去了，咱们不再看到任何改善。咱们从咱们的人群中挑选出最好的人，并将其作为解决方案供给。
