簡介
演算法（algorithm）是計算機的常用術語，指一套經由有規則的數學運算或邏輯判斷，完成某一特定工作的方法或流程。遺傳（基因）演算法就是依照基因遺傳的原則寫成的程式。
達爾文進化論的基本精神是「物競天擇，適者生存」，弱者會被自然淘汰。染色體具有複製、交配與突變的能力，所以新生代（子代）的染色體通常比母代優良，劣質的染色體則逐漸被淘汰。
最佳化方法大致分成兩類：
- 特定型最佳化法則：針對某些特定的函數特性（例如可微分、凸函數）發展出來的方法，如梯度法。
- 廣義型最佳化法則：不論目標函數的特性為何，都不必修改方法就能處理。遺傳演算法屬於這一類。
遺傳演算法仿效生物界優勝劣敗的進化法則：選出特性較好的母代，隨機交換彼此的基因資訊，期望產生比母代更優秀的子代；如此反覆，最後得到適應性最強的物種。三個最主要的運算子是複製（reproduction）、交配（crossover）與突變（mutation）。
求解的基本流程 Procedure
- 把所有要搜尋的參數編碼成染色體（二進位字串），例如以 4 位元字串 1011 代表一個參數值；隨機產生 \(M\) 個初始物種。
- 依求解的條件設計適應函數（fitness function），計算每個物種的適應值；適應能力較高的物種才有資格被挑選進入下一步，這就是複製的過程。
- 接著進行交配與突變，完成一次演化；如此重複，直到滿足終止條件（例如演化到指定代數，或最佳解不再改進）。
流程圖依原講義重繪；文字為原講義內容，僅做段落與用詞整理。
原圖對照
