遊戲中的AI編程（一） 遺傳算法簡介

本文作爲遊戲中的AI編程的第一篇，主要介紹一下遺傳算法，以及使用遺傳算法進行尋路計算。

一，遺傳算法介紹
在繼續閱讀下文之前，請先確定你是否知道什麼是遺傳，變異，染色體等生物知識。如果你對這些知識不瞭解，建議你看看高中的生物課本。當然你不用精通這方面的知識。好吧，如果你已經準備好了，那麼我們開始吧。
遺傳算法的過程實際上是對於自然界進化的模仿。首先，你需要定義一種表示問題的解決方案的編碼方式，就像染色體一樣（記得染色體有四種，兩兩配對後，組合成雙螺旋結構，這就是染色體的編碼格式）。然後你需要初始化一些染色體，它們每一個代表解的一種候選方案。這些初始化的染色體可以是隨機的。然後讓這些染色體開始進行繁衍進化（中間夾雜這一些變異）。經過進化，最後找到最優解（也可能是較合適的解）。
遺傳算法不能保證找到最優的解，看上去這點不是遺傳算法的優點。但是遺傳算法的計算過程可能效率很高。然而，最重要的是，求解過程中，並不需要知道解的過程，只需要知道如何編碼解，解碼解，以及驗證解的合理性就可以了。

1.染色體 染色體一般使用二進制編碼，如下： 01010010100101001111 重要的是，這個染色體是可以被解碼的，以表示一種解。這個可以是一個很差的解（通常會是剛開始的一些染色體）。但是每個染色體都表示中可能的解。

2.解法步驟
循環以下步驟，直到找到解：
     1.測試每個染色體，標註每個染色體的解的分數。（即解的適合程度）
     2.找出其中的兩個解（使用算法保證分數最高的染色體最優可能被選中），可以使用roulette wheel selection。
     3.交叉兩個染色體
     4.適當的進行變異處理
     5.重複 2 3 4，直到新產生大量的染色體（數量可以自己設定）。

3.什麼是roulette wheel selection 在選擇染色體的時候，需要保證染色體的分數越高，就越容易被選中。 可以想像一個餅圖（pie chart），其中，分數越高的染色體所佔據的面積越大，然後進行隨機選擇。具體算法之後的文章中會提到。

3.交叉 這是通過兩個染色體產生新的染色體的方法，比如我使用一個最簡單的算法，將染色體在10的位置反轉，於是可以產生兩個新的染色體
舊染色體：
A：10001001110010010
B：01010001001000011
新染色體：（注意，我加了空格）
C：100010011 01000011
D：010100010 10010010

4.總結 這樣，基本的遺傳算法介紹完了。接下來將開始具體問題的解決。