计算机内的进化:
遗传算法的工作过程实质是模拟生物进行过程。
首先，应确定一种编码方法，使得你的问题的任何一个潜在可行解都能表示成一个
“数字”染色体。然后，创建一个由随机的染色体组成的初始群体，并在一段时期中，
以培育适应性最强的个体的方法，让它们进化。在此期间，染色体的某些位置上，要加
入少量的变异。经过许多代后，运气好一点，遗传算法会收敛到一个解。遗传算法不确
保一定有解，如果有解也不确保一定是最优解，但只要方法正确，通常都能得到一个运
行良好的程序。
遗传算法的最大优点就是： 你不需要知道具体怎么去解决一个问题，只需要知道
用怎样方式去解决这类问题，并对可行解进行编码，使得它能被遗传算法机制所利用。
通常，代表可行解的染色体采用一系列的二进制位作为编码。
1。 检查每个染色体，看它解决问题的性能如何，并相应地为它分配一个适应性分数；
2。 从当前群体中选出2个成员。选出的概率正比于染色体的适应性，适应性分越高，
被选中的概率也愈大。通常采用的方法就是赌轮选择法；
3。 按照预先设定的杂交率，从每个选中的染色体的一个随机确定的点上进行杂交；
4。 按照预先设定的变异率，通对被选中的染色体的位循环，把相应的位翻转；
5。 重复步骤2，3，4， 直到100个成员被创建出来。
算法步骤1到步骤5的一次循环称为一个世代，整个算法称为一个时代。