fittest = individuals[maxFit].fitness;如上图(左)所示，遗传算法当个别由多条染色体构成，每条染色体由多个基因构成。上图(右)展示了染色体瓜分和组合方法。
天然选择的概念
天然选择的过程大年夜选择群体中最适应情况的个别开端。后代持续了父母的特点，并且这些特点将添加到下一代中。如不雅父母具有更好的适应性，那么它们的后代将更易于存活。迭代地进行该天然选择的过程，最终，我们将获得由最适应情况的个别构成的一代。
章一ㄅ念可以被应用于搜刮问题中。我们推敲一个问题的诸多解决筹划，并大年夜中搜寻出最佳筹划。
遗传算法含以下五步：初始化
个别评价(盘吮善?度函数)
选择运算
交财气算
变异运算
初始化
个别以一组参数(变量)为特点，这些特点被称为基因，串联这些基因就可以构成染色体(问题的解)。
return individuals[maxFit];在遗传算法中，单个个别的基因组以字符串的方法出现，平日我们可以应用二进制(1 和 0 的字符串)编码，即一个二进制串代表一条染色体串。是以可以说我们将基因串或候选解的特点编码在染色体中。
种群、染色体和基因
个别评价(盘吮善?度函数)
选择运算的目标是选出适应性最好的个别，并使它们将基因传到下一代中。基于其适应度评分，我们选择多对较优个别(父母)。适应度高的个别更易被选中滋长，即将较优父母的基因传递到下一代。
交财气算
交财气算是遗传算法中最重要的阶段。对每一对配对的父母，基因都存在随机选中的交叉点。
举个例子，下图的交叉点为 3。
class Population {父母间在交叉点之前交换基因，大年夜而产生了后代。
父母间交换基因，然后产生的新后代被添加到种群中。
变异运算
在某些形成的新后代中，它们的某些基因可能受到低概率变异因子的感化。这意味着二进制位串中的某些位可能会翻转。
变异运算前后
变异运算可用于保持种群内的多样性，并防止过早收敛。
终止
在群体收敛的情况下(群体内不产生与前一代差别较大年夜的后代)该算法终止。也就是说遗传算法供给了一组问题的解。
案例实现
这一迭代过程的伪代码：
START
Generate the initial population
Compute fitness
REPEAT个别评价应颖善?度函数评估了该个别对情况的适应度(与其它个别竞争的才能)。每一个别都有适应度评分，个别被选中进行滋长的可能性取决于其适应度评分。适应度函数值袈浣大年夜，解的质量就越高。适应度函数是遗传算法进化的驱动力，也是进行天然选择的独一标准，它的设计应结合求解问题本身的请求而定。
选择运算
Selection
Crossover
Mutation
Compute fitness
UNTIL population has converged
STOP
Java 中的示例实现
}以下展示的是遗传算法在 Java 中的示例实现，我们可以随便调试和修改┞封些代码。给定一组五个基因，每一个基因可以保存一个二进制值 0 或 1。这里的适应度是基因组中 1 的数量。如不雅基因组内共有五个 1，则该个别适应度达到最大年夜值。如不雅基因组内没有 1，那么个别的适应度达到最小值。该遗传算法欲望最大年夜化适应度，并供给适应度达到最大年夜的个别所构成的群体。留意：本例中，在交财气算与突变运算之后，适应度最低的个别被新的，适应度最高的后代所替代。import java.util.Random;
demo.mutation();
*
* @author Vijini
*/
//Main class
public class SimpleDemoGA {
Population population = new Population();
Individual fittest;
Individual secondFittest;
int generationCount = 0;
public static void main(String[] args) {
Random rn = new Random();
SimpleDemoGA demo = new SimpleDemoGA();
//Initialize population
//Calculate fitness of each individual
demo.population.calculateFitness();
System.out.println("Generation: " + demo.generationCount + " Fittest: " + demo.population.fittest);
//While population gets an individual with maximum fitness
while (demo.population.fittest < 5) {
++demo.generationCount;
