前几天休息，家里的小丫头跟我说想去几个地方玩，要去科技馆、游乐场 、动物园。周日一大早，我就打电话看路线规划行程，科技馆的门票没有了，游乐场开到晚上8点，动物园5年关门。

     了解这些之后，最终确定了上午9点出发，下午2点从动物园出来去游乐场，晚上5点半回家。孩子玩了一天很开心，但是有点遗憾没去成科技馆。告诉她说，很多事情不能尽善尽美，能去上两个地方也挺好的。

     这个问题有点像计算机算法中的”寻找局部最优解“，虽然存在”全局最优解“，但是受条件限制，退而求其次也是不错的做法。

      其实，如果获得”全局最优解“——妥善安排三个行程，实现无缝衔接也是能做到的，只是需要更长的计划时间。 当然，这是一个小小小小的问题，用脑袋算算就能想明白。可如果面对一个庞大的问题现状的时候，该用什么方法解决呢？有什么算法可以最终解决这个问题呢？

     出个难题 ，假如：

     我们要让一只可以跳一跳的袋鼠在连绵起伏的喜马拉雅山脉中，找到最高的珠穆朗玛峰。

袋鼠？！你确定说的是袋鼠？！！袋鼠不是在澳大利亚吗？

哦，我只是举个例子，我想要用这个可以跳跳跳的形象来说明一个问题——寻找局部最优解和全局最优解。当然你想像用”跳一跳中的小人”也行。对于小孩来说，可以不会编码，明白这个道理，以后在解决实际问题中就不纠结了。

       连绵起伏的雪山？抽象成数学大约是这个样子啦：

一、      爬山法—寻找局部最优解

傻傻的袋鼠被安排在一个波谷出场，它会四周的去看，目力所及，哪个地方比现在高，就跳到哪！这样它就会跳啊跳啊，慢慢的，它会发现，咦，周围没有比我现在站着的地方高了！！我现在是最高的！！！

可是呢，因为它的探测范围太小（视力有限），其实它只是在其中一个山峰上，比这个山峰高的还有10000多个！珠穆朗玛峰还不知道在哪里。它只是找到了一个它目力所及的最高点，这就是局部最优解，这个东东就是有用的，没有最好的时候 ，它是相对最好的，

如果它要想办法找到珠穆朗玛峰，那就需要用遗传算法找到全局最优解。

二、  遗传算法——寻找全局最优解

还是袋鼠，不过，这次是一大群，它们被莫名其妙的零散地遗弃于喜马拉雅山脉。于是只好在那里艰苦的生活。555555好可怜，假设海拔低的地方弥漫着一种无色无味的毒气，海拔越高毒气越稀薄。可是可怜的袋鼠们对此全然不觉，还是习惯于活蹦乱跳。（袋鼠们太惨了）于是，不断有袋鼠死于海拔较低的地方，而越是在海拔高的袋鼠越是能活得更久，也越有机会生儿育女。就这样经过许多年，这些袋鼠们竟然都不自觉地聚拢到了一个个的山峰上，可是在所有的袋鼠中，只有聚拢到珠穆朗玛峰的袋鼠才能活下来，那......咋办捏？

解析一下：

1、袋鼠群放零散的放到喜马拉雅山脉，这在计算里算法里被称作——初始化种群。就是一切都是按照自然随机的方式呈现的。

2、海拔越高毒气越稀薄，这是在计算机里面叫——适应度函数。这是一种规则，必须遵守。

3、生儿育女，这被称为计算机算法里的——生存经验遗传。

    散落在各地的袋鼠们不断的育有下一代，下一代的袋鼠继承了父代们教给它们的生存经验——不断地跳向海拔更高处，到低处的自然死亡，不会育有下一代。这样下去，袋鼠群中都必须有适应度函数，必须遵守这个向上跳生存，向高处跳就能把基因遗传给下一代。那么，很多代遗传之后，当然，这个结果可以用程序实现，最终的结果是，袋鼠们竟然都不自觉地聚拢到了一个个的山峰上——找到了珠峰，也找到全局最优解。

     举这个例子就是为了说明——可以用计算机中的遗传算法，找到问题的最佳解决方案。

--end--

声明：本文章由网友投稿作为教育分享用途，如有侵权原作者可通过邮件及时和我们联系删除：freemanzk@qq.com