遗传算法中的期望次数是什么

遗传算法中的期望次数是什么

首先有个很神奇的现象：人类以及动物的进化都是朝着好的方向发展，虽然有的往坏的方向发展了，但是总体肯定是往好的方向发展。这看似不奇怪，但是我们知道，人类的基因组合是随机的，没有上帝约束。这种随机过程的结果却是一致的！！！！！我们的遗传算法就是从这里得到启发！比如我要求y=x1+x2的最大值，两个变量，我不用传统的数学方法，就用幼儿园的方法，把所有可能取值带进去算，然后找出最大的就行了！但是，有时候取值是连续的，没关系！使其离散化，就像把模拟信号化成数字信号一样！还有个问题，如果取值太多咋办？这就是遗传算法的精髓！
首先，我不用取所有可能取值，我只取几十个或者几百个（自己定），然后进行处理，怎样处理呢？让我们回到刚开始的人类进化问题，虽然没有上帝的帮忙，但是我们知道，自然界遵循优胜劣汰的发贼，遵循交叉变异的法则，虽然不能数字化，但是这是个趋势！我们就是把这种法则数学化！所取的几十个值我要剩下哪些？要抛弃哪些？要处理哪些？这都要我们自己选择，肯定是选择最合适的取值留下，经过一系列的处理，就生成了新的群体，然后再处理，自己约定处理到第几次就可以了，取出现过的最大值
不用担心取到的是不是最大值，因为数学上已经有了证明，这种方法是收敛的，概率是1，所以尽管放心的做，具体的做法要参考相关书籍，不难的。
遗传算法的最大用处就是解决数学理论不能解决的问题！比如路径规划，调度问题……

你是问为什么要用遗传算法求解tsp？那么答案就是，tsp问题如果用穷举的方法搜索，会由于可行解太多而无法在有效时间之内完成，而遗传算法则是不使用穷举的方法之一。 如果你是想问为什么要求解tsp，那么就是因为两个原因，一个是tsp本身是实际问题抽象而来的，而且和tsp近似的还有很多不同的最短路径问题，都是实际生活中会出现的，不管是规划人的路径还是机械手臂的路径，都会用到。第二个原因是tsp是np完全问题，和很多其他问题一样，都是np完全的，这就意味着，只要其中一个问题解决了，另外的np完全问题也能够解决，所以研究它也具有理论价值。