简单遗传算法 (SGA)

先决条件 -遗传算法

介绍 ：

简单遗传算法（SGA）是遗传算法遵循的三种策略之一。

1. SGA 从创建大小为 N 的初始种群开始。
2. 然后，我们评估每个解决方案/个体的优度/适应度。

之后，检查收敛标准，如果满足则收敛算法，否则进行下一步 -

1. 从之前的种群中选择 Np 个个体。
2. 随机创建交配池。
3. 执行交叉。
4. 在后代解决方案中执行突变。
5. 在后代解决方案中执行反演。
6. 用新创建的解决方案替换上一代的旧解决方案并转到步骤 (2)。

简单遗传算法框图

解决简单遗传算法问题时的重要参数：

1. 初始种群 N
2. 交配池大小 Np
3. 收敛阈值
4. 交叉
5. 突变
6. 反演

特征 ：

• 计算成本高
• 偏向于更健康的个体
• 当初始种群足够大时表现良好。

应用：

• 使用简单遗传算法学习机器人行为。
• 在金融行业。
• 神经网络。
• 软计算 模糊逻辑、神经计算等应用。
• 优化问题。