摘要:本文主要论述了遗传算法的相关内容。遗传算法是解决搜索问题的智能算法，它具有搜索算法的共同特点，也具有以变量的编码为对象、随机搜索、自适应、自组织等特点。虽然遗传算法存在早熟即过早收敛效率的问题，且通常比其他的算法低，搜索速度不快、基础理论知识仍然不是很成熟等问题，但是其在函数优化、组合优化、机器人学、人工生命等有很大的用途。
最初由Holland提出的SGA，可由编码、解码、交配、倒位、个体适应度评估、复制等步骤实现。它的设计原则有种群规模和适应度调整两个方面。具体的过程可以看设计程序及相关的结果。
关键字：遗传算法、适应度函数、种群、染色体
目录
摘要
ABSTRACT
1、 引言-1
2、 遗传算法的特点-1
3、 遗传算法的基本原理-2
3、1遗传算法的提出-3
3、2 SGA-3
3.2.1编码-3
3.2.2解码-3
3.2.3交配-4
3.2.4倒位-4
3.2.5个体适应度复制-4
3.2.6评估-4
4、 遗传算法的设计-5
4.1生物遗传概念在遗传算法中的对应关系-5
4.2遗传算法的程序设计伪代码-5
4.3遗传算法的参数设计原则-6
4.3.1种群的规模-6
4.3.2适应度函数的调整-6
5、 遗传算法的数值实验及结果-7
6、 不足之处-10
7、 应用领域-10
7.1函数优化-10
7.2组合优化-10
7.3机器人学-10
7.4人工生命-10
参考文献-11
