数据挖掘与数据仓库（共享）

遗传算法是一种有效的全局搜索方法，是一种基于达尔文自然选择和遗传变异等生物进化机制而发展起来的仿生算法。

遗传算法包含概念

基因、个体、编码与解码、种群、适应度、代、遗传算子、选择算子、交叉算子、变异算子

遗传算法是计算数学中用于解决最优化的搜索算法，是进化算法的一种。遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解（称为个体），进化从完全随机个体的种群开始，之后一代一代发生。在每一代中评价整个种群的适应度，从当前种群中随机地选择多个个体（基于它们的适应度），通过自然选择和突变产生新的生命种群，该种群在算法的下一次迭代中成为当前种群。

在遗传算法里，优化问题的解被称为个体，它表示为一个变量序列。产生的新一代个体不同于初始的一代，并一代一代向增加整体适应度的方向发展，因为总是更常选择最好的个体产生下一代，而适应度低的个体逐渐被淘汰掉。这样的过程不断的重复：评价每个个体，计算适应度，周而复始，直到终止条件满足为止