这种情况下，运气好可能会到达最高点，但是大概率情况下都不会是最高点 。2. 模拟退火算法 。假设有一只神志不清的猴子，当它爬到山峰的时候，它有一定的概率继续出发，也有概率停止前进 。这种情况下它也有可能通过有限的时间找到整座山的最高点 。3. 遗传算法 。假设山上有一群猴子，猴子生存的食物只有在山峰处才有，而且山峰越高食物量越充裕 。
那么这些猴子为了生存，会不断聚集在各个山头上，而这些山峰可以理解为各种局部最优解（图3中类似绿色和蓝色的地方），如果种群规模足够大，势必会有一群猴子聚集在了整座山的最高点，也就是全局最优解（图3中红色位置） 。图3 山体示意图基于以上三种算法的描述，我们可以对智能算法有一个简单的了解：无论是哪种算法，都具有一定的随机性，都不能保证最终选择的山峰为整座山的最高点 。
但是在实际生活中，有诸多类似的问题，如果要考虑所有的情况可能会花费大量的时间，而恰巧我们并不需要一个最好的结果，我们只需要快速找到一个相对较好的结果便可以满足要求的时候，智能算法的意义便得到了体现 。智能算法的核心：牺牲精度，保证效率 。通俗了解后，虽然心里有大概思路，但还是云里雾里，这个时候我们可以考虑结合一些实际的例子来理解遗传算法 。
结语虽然遗传算法有着一定的弊端和不足，但是遗传算法在诸多领域(特别是运筹学)还是有着很不错的表现并已经运用到实际生活中 。为了不断适应各种问题，近年来不断有学者提出改进策略，以使遗传算法有更广泛的应用领域 。拓展阅读:https://zhuanlan.zhihu.com/p/36212065https://zhuanlan.zhihu.com/p/30140008https://zhuanlan.zhihu.com/p/25579864参考文献[1] HOLLAND J H． Adaptation in natural and artificial systems: an introductory analysis with applications to biology，control，and artificial intelligence［M］．2nd ed．Cambridge: MIT Press，1992．[2]葛继科,邱玉辉,吴春明,蒲国林.遗传算法研究综述[J].计算机应用研究,2008(10):2911-2916.[3]马永杰,云文霞.遗传算法研究进展[J].计算机应用研究,2012,29(04):1201-1206 1210.[4]吉根林.遗传算法研究综述[J].计算机应用与软件,2004(02):69-73.[5] Nix A E , Vose M D . Modeling genetic algorithms with Markov chains[J]. Annals of Mathematics
推荐阅读
- 2010年苏州房价,最近苏州二手房价格下跌
- 火影ol须佐鼬抽什么容易得,从零开始重新肝火影【火影忍者ol手游
- 传奇天机阁怎么跑,穿越成天机阁主
- 手工茶叶怎么制作,用茶叶怎么制作饮料
- 开幼儿美术培训班怎么开,石家庄幼儿美术培训班
- 目前最好的智能手机,智能手机哪款最好
- 国家新闻出版广电总局,广电总局官网
- 酷安论坛,汤姆猫跑酷安卓版下载
- T2拍摄作品【10个月】
- 【行业几种做法】摄像头居中，你，如何设计...