一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第14天，点击查看活动详情。
1. 遗传算法
本节主要介绍遗传算法的改进策略及改进思路。简单回顾一下遗传算法：遗传算法首先需要把初始解集以某种手段编译成遗传基因序列（染色体），如下图所示就是一个编译完成的染色体，这个染色体代表（对应）着一个初始解。当然，为了涵盖所有种群基因，需要先编译产生很多很多类似的染色体。 然后，很多很多这样的染色体就组成一个初始种群。接下来就开始繁衍，计算出该种群内的每个染色体的优劣程度（适应度）进行比较，淘汰一部分比较差的个体。
对于剩下的个体进行基因重组，两两染色体进行基因序列交换（交叉），组成新的子代染色体序列。对于新的子代染色体序列，有一定几率出现变异（染色体基因序列某几个基因发生改变）。
接下来，这些子代作为父代，再重复以上所有操作，实现了优胜劣汰，经过多代的繁衍，最终省下来的染色体就是找到的最优解。
遗传算法基本概念及思路讲解请参考智能算法-遗传算法（1） - 掘金 (juejin.cn)
遗传算法实例分步详解请参考智能算法-遗传算法（2） - 掘金 (juejin.cn)
遗传算法关键步骤详解请参考智能算法-遗传算法（3） - 掘金 (juejin.cn) 以及 智能算法-遗传算法（4） - 掘金 (juejin.cn)
2. 改进策略
2.1 改进思路
常用的改进方式通常从以下几个方面入手：
- 改变遗传算法的组成成分（从遗传算法关键步骤入手）
- 采用混合遗传算法（结合其他算法）
- 采用动态自适应技术（某些参数随着迭代轮数不断调整）
- 采用非标准的遗传操作算子；
- 采用并行遗传算法；
2.2 跨代精英选择策略
上一代种群与通过新的交叉方法产生的个体群混合起来，从中按一定概率选择较优的个体（相当于从两代中去选择新的子代），这种方法可以很好的保证种群多样性（从两代中选择，选择范围更大）。
即使“新的交叉操作”产生较劣个体偏多，由于原种群大多数个体残留，不会引起个体的评价值降低。
2.3 大变异策略
在进化前期不采取变异操作，当种群进化到一定收敛时期，从最优个体中选择一部分个体进行初始化。（因为此时当前最优解的变化很小，容易陷入局部最优解）
初始化：选择一定比例（扩散率，一般0.35）的基因座，随机地决定它们的位值。
此方法也相当于是丰富种群基因型的一种手段。
2.4 自适应策略
自适应策略主要针对交叉概率和变异概率进行动态调整，使其有规律地变化。
交叉概率和变异概率的选择是影响遗传算法行为和性能的关键，直接影响算法的收敛性；
当种群各个体适应度趋于一致或趋于局部最优时，使和增加（大胆一点，交叉和变异概率都多一些，丰富种群基因）；
而当群体适应度比较分散时，使和减少（大家差距很大，小心点，否则错过最优解）；
对于适应度较高的个体，对应于较低的和（希望能保留优质基因）；而较低适应度的个体，对应于较高的和（差的基因就应该大胆做出改变）。
对于与的理解：
- 越大，新个体产生的速度就越快，但过大会使优秀个体的结构很快被破坏。过小，搜索过程缓慢，以至停止不前；
- 过小，不易产生新个体结构，过大，变成纯粹的随机搜索；
2.5 小生境思想
自然界中往往特征、性状相似的物种相聚在一起，并在同类中交配繁衍后代。遗传算法中的小生境思想主要是将每一代个体划分为若干类，每类选出优秀个体组成一个种群；
小生境的优势：保持解的多样性，提高全局搜索能力，适合复杂多峰函数的优化。
小生境策略中常用手段：
- 预选择机制：
- 当子个体的适应度超过其父个体适应度时，子个体才可以替代父个体，否则父个体仍保留；
- 有效维持种群多样性，造就小生境进化环境。
- 排挤机制：
- 设置排挤因子CF（CF=2或3），随机选取1/CF的个体组成排挤成员，排挤与其相似（用距离来度量）的个体；
- 个体之间的相似性可用个体编码串之间的海明距离来度量。
- 共享机制
- 通过个体之间的相似性程度的共享函数来调整各个体的适应度（共享函数值越大，说明个体越相似）；
- 共享函数的目的：将搜索空间的多个峰值在地理上区分开来，每一个峰值处接受一定比例数目的个体，比例数目与峰值高度有关；
