| PostgreSQL 8.0.0 中文文件（轉譯自 PostgreSQL 中國 製作的簡體中文版本） | ||||
|---|---|---|---|---|
| Prev | Fast Backward | Chapter 46. 基因查詢優化 | Fast Forward | Next |
基因算法(GA)是一種啟髮式的優化法（heuristic optimization method）， 它是透過不確定的隨機搜索進行操作。 優化問題的可能的解的集合被認為是個體（individuals）組成的人群（population）。 一個個體對它的環境的適應程度由它的健康度（fitness）資料表示。
一個個體在搜索空間裡的參照物是用染色體（chromosomes）資料表示的， 實際上那是一套字元串。 一個基因 （gene）是染色體的一個片段，基因是被優化的單個參數的編碼。 對一個基因的典型的編碼可以是二進制（binary）或整數（integer）。
透過仿真進化過程的重組（recombination）， 突變（mutation）和選擇（selection）找到新一代的搜索點， 它們的平均健康度要比它們的祖先好。
根據 comp.ai.genetic FAQ，我們不論怎麼強調 GA 在解決一個問題時不是純隨機搜索都不過份。 GA 使用隨機處理，但是結果明顯不是隨機的（比隨機更好）。
Figure 46-1. 基因算法的結構化框圖
+=========================================+
|>>>>>>>>>>> Algorithm GA <<<<<<<<<<<<<<|
+=========================================+
| INITIALIZE t := 0 |
+=========================================+
| INITIALIZE P(t) |
+=========================================+
| evalute FITNESS of P(t) |
+=========================================+
| while not STOPPING CRITERION do |
| +-------------------------------------+
| | P'(t) := RECOMBINATION{P(t)} |
| +-------------------------------------+
| | P''(t) := MUTATION{P'(t)} |
| +-------------------------------------+
| | P(t+1) := SELECTION{P''(t) + P(t)} |
| +-------------------------------------+
| | evalute FITNESS of P''(t) |
| +-------------------------------------+
| | t := t + 1 |
+===+=====================================+