这是一篇关于遗传算法的总结博客，包括算法思想，算法步骤，python实现的两个简单例子，算法进阶（持续更新ing）。目录1算法思想2算法步骤3第一个简单的例子（python实现）4二元函数例子（python实现）5算法进阶1算法思想遗传算法的应用很多，诸如寻路问题，8数码问题，囚犯困境，动作控制，找圆心问题（在一个不规则的多边形中，寻找一个包含在该多边形内的最大圆圈的圆心），TSP问题，生产调度问题，人工生命模拟等。遗传算法起源于对生物系统所进行的计算机模拟研究，是一种随机全局搜索优化方法，它模拟了自然选择和遗传中发生的复制、交叉(crossover)和变异(mutation)等现象，从任一初

2018年6月NatureMethods上发表了一篇关于机器学习分析特定基因集内部关系工具的文章，简单来说就是，通常我们做了差异基因分析得到一个基因集合，然后会用GO/KEGG富集进行进一步分析，但是该工具给我们提供了另一种可能，通过对差异基因集进行机器学习训练最终得到部分关键的基因以及基因间相互作用。该工具以网站的形式方便大家使用，目前只支持人的基因集输入，笔者输入数据后的运行结果如下图所示，如果大家感兴趣，下面笔者对文章进行了简单的讲解和对网站平台的使用进行了说明。image.png文章名为：《GeNets:aunifiedwebplatformfornetwork-basedgenomi

（二）遗传算法（GeneticAlgorithm,GA）流程1.遗传算法流程2.关键参数说明1.遗传算法流程 一点说明： 在遗传算法中，将nnn维决策向量X\bf{X}X=[x1,x2,...,xn]T=[x_1,x_2,...,x_n]^T=[x1​,x2​,...,xn​]T用nnn个记号Xi(i=1,2,...,n)X_i(i=1,2,...,n)Xi​(i=1,2,...,n)所组成的符号串XXX来表示：X=X1X2...Xn⇒X=[x1,x2,...,xn]T\boldsymbol{X}=X_1X_2...X_n\Rightarrow\boldsymbol{X}=[x_1,x_2,.