《搜索、優化和機器學習中的遺傳算法》。
遺傳算法（Genetic Algorithm，GA）最早是由美國的 John holland於20世紀70年代提出,該算法是根據大自然中生物體進化規律而設計提出的。是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是壹種通過模擬自然進化過程搜索最優解的方法。
遺傳算法的基本運算過程如下：?
（1）初始化：設置進化代數計數器t=0，設置最大進化代數T，隨機生成M個個體作為初始群體P(0)。
（2）個體評價：計算群體P(t)中各個個體的適應度。
（3）選擇運算：將選擇算子作用於群體。選擇的目的是把優化的個體直接遺傳到下壹代或通過配對交叉產生新的個體再遺傳到下壹代。選擇操作是建立在群體中個體的適應度評估基礎上的。?
（4）交叉運算：將交叉算子作用於群體。遺傳算法中起核心作用的就是交叉算子。
（5）變異運算：將變異算子作用於群體。即是對群體中的個體串的某些基因座上的基因值作變動。群體P(t)經過選擇、交叉、變異運算之後得到下壹代群體P(t+1)。?
（6）終止條件判斷：若t=T,則以進化過程中所得到的具有最大適應度個體作為最優解輸出，終止計算。