遗传算法和模拟退火算法
这段时间，研究了遗传算法和模拟退火算法。
遗传算法，故名思义 ，是根据达尔文的那套东西研究的算法，把初始值变成二进制，然后计算其对于解的要求的适应度，根据适应度，决定那些优秀的基因要遗传，当然这其中有个概率的问题，优秀的遗传的可能性大，不优秀的小，但不是不能遗传，然后进行配对交叉。类似与动物见的交配等，交叉结果再进行变异，所谓的变异就是改变某个二进制的某个位置的值，这样就得到了下一代的数据，再走一遍过程，得到第二代，依次就可以得到最终的全局最优解。
举个形象的例子，我们把10000个老鼠投放到一个山区里面，山区里有很多山峰，有高点的也有矮点的。投放后，山区有猎人捕杀老鼠（猎人捕杀老鼠…），算啦，改成投放野猪好了。越是低区的野猪越容易被猎杀，野猪自主向最高的地方迁移。当然也有可能还会躲在低的地方生存下来的超级野猪，不过毕竟是少数，多年后，肯定会有相当数量的野猪达到或者接近最高的那个山峰。这就是我们要的最优解了。当然猎人猎杀的野猪=野猪繁殖的数量，也就是说，总的野猪数是不变的。
这个例子不错吧，相当浅显易懂，呵呵。
·