在本章中，你已經學會了實現遺傳演算法的基本知識。本章開頭的偽**提供了乙個通用的概念模型，針對本書其餘部分所有要實現的遺傳演算法：每個遺傳演算法將初始化並評估種群，然後進入乙個迴圈，進行交叉、變異和再評估。僅當終止條件滿足時，才退出迴圈。
在本章中，你建立了遺傳演算法的支援元件，尤其是individual和population類，在後面的章節中基本上會復用它們。然後你專門建立了geneticalgorithm類，具體解決「全一」問題，並成功地執行了它。
你還了解了以下內容：雖然每個遺傳演算法在概念上和結構上相似，但不同的問題領域需要評估技術（即適應度評分、交叉技術和變異技術）的不同實現。
本書其餘的部分將通過示例問題，**這些不同的技術。在後面的章節中，你將復用population和individual類，只需輕微的修改。然而，後面每章將大量修改geneticalgorithm類，因為這個類是交叉、變異、終止條件和適應度評估發生的地方。
遺傳演算法小結 四
本以為自己的演算法已經初步達到了要求，沒想到再對先前演算法進行整合時，發現了乙個很大的漏洞，這也是導致在 y2時效果比其他演算法好得多的原因。改正後，發現 效能一下子就降低了將近20個百分點，真如五雷轟頂呀，不過既然發現了錯誤，才能找到改正的方向，看來做任何事情絕不能停滯於一點點的成績，正是因為y2...
《Java遺傳演算法程式設計》 2 10 練習
1 執行遺傳演算法幾次，觀察進化過程的隨機性。它通常需要多少代來找到這個問題的乙個解？2 擴大和減小種群規模。減小種群規模如何影響演算法的速度？它是否也影響找到乙個解需要的世代數？擴大種群規模如何影響演算法的速度？它如何影響找到乙個解需要的世代數？3 將變異率設定為0。這將如何影響遺傳演算法尋找解的...
《Java遺傳演算法程式設計》 2 6 交叉方法
在交叉過程中，除了用不同的選擇方法，還有可用不同的方法在兩個個體之間交換遺傳資訊。不同的問題具有不太一樣的特點，採用特定的交叉方法更好。例如，全一 問題只要求完全由1構成的字串。字串 00111 與字串 10101 具有相同的適應度值，因為它們都包含3個1。對於這種型別的遺傳演算法，情況並非總是如此...