接了一个算法设计，要用遗传算法去解决物流运输中的车辆安排，没学过这种算法，百度了一下，还是有难度的，虽然有很多资料，但是对于初学者还是太难，而且没有实例，根本就不是太理解，今天，我就拼凑一下我看过和我理解的知识，写个入门级的实例呗。
先来普及下，我认为比较简单的两个求最优化解的方法，一个叫模拟退火算法，一个就是现在要讲的遗传算法。
什么叫遗传算法呢，copy一段过来。
遗传算法 ( GA , Genetic Algorithm ) ，也称进化算法 。 遗传算法是受达尔文的进化论的启发，借鉴生物进化过程而提出的一种启发式搜索算法。
其中需要了解的生物知识：
种群(Population)：
生物的进化以群体的形式进行，这样的一个群体称为种群。
个体：组成种群的单个生物。
基因 ( Gene ) ：一个遗传因子。
染色体 ( Chromosome ) ：包含一组的基因。
生存竞争，适者生存：对环境适应度高的、牛B的个体参与繁殖的机会比较多，后代就会越来越多。适应度低的个体参与繁殖的机会比较少，后代就会越来越少。
遗传与变异
：新个体会遗传父母双方各一部分的基因，同时有一定的概率发生基因变异。
更多的知识就不讲了，有兴趣的百度，我下面讲下我对这个算法的理解：
这个算法是用来求最优解的，对于一些问题，我们是无法通过有效的步骤来 求的其最好的解决方案，但我们可以知道它的方案有哪些，而这些方案就可以想象成不同的个体，每个个体的上面都有能够区分自己的基因，然后我们通过某种方法（函数）来淘汰哪些基因不好的个体。但在这个过程中，每个个体都有可能发生基因突变，遗传变异，进而进化。但随着时间的推移，根据达尔文理论，一定只有适者生存，而活下来的个体就是我们的最优解，上面所携带的基因就是我们的解决方案。
下面举个简单的例子，如何求下面函数的最大值，数学超级超级好的请饶过。
怎么求呢？求导那些就不要告诉我啦，其实这个和数学建模有点像O(∩_∩)O~
其实，这篇日志主要做的不是教会你遗传算法，而是补充说明一下网上没有简单实例的完整算法的不足，下面我就贴出我的算法，亲测有用，可以解决上面的问题。
://
总结：遗传算法真的很有意思哦，来自于生物知识，而退火算法，来自于金属冶炼，我觉得这个世界太神奇了，好多东西都是相通的，不说了，我可以准备去上体育课了。
O(∩_∩)O~
再次回来附上我觉得别人写得比较好相关日志，大家可以参考下。
