# 令人懷念ㄉ東西 XDDD

- 基因演算法
- 找近似解
- 天擇論
> <!-- 多樣性：產生很多答案(把答案當人口)-->
1. 估算分數
2. 天擇：挑其中幾個較好的，挑 fitness 好的
3. 交配：天擇後的答案去繁衍下一代，重組
4. 突變：產生原本的人口中沒有的種類
> 演化一定會經過得過程
- 繁衍很多代後理論上答案就會愈來愈好
- 為了產生不一樣的基因
- 近似的演算法
- 鳥群演算法
- 螞蟻演算法

- FITNESS : 適應值，分數越高越可能活下來
- SELECTION : 天擇
- : 突變 ：
- 分數越高，被選到的機率越大
## 基因演算
1. 第一代：亂數產生
2. 計算 fitness
3. 得到所有結果的分數後，就可以做天擇

- 轉換成二進位字串
- 例子
> (12,6) => (1100 0110)


- 天擇
- 做正規化
> 自己的分數/全部加總起來的分數
- 交配 （PC,0.7～0.9）
- A B 為父母
- 以單點交配為例：亂數產生一個交配點，子女各取一部分父母的基因
- 單點交配
- 先產生一個亂數，決定要從哪裡開始切，切一刀(一段父，一段母)，然後將父母不同的基因接在一起
- 雙點交配
- 多點交配
- 突變(pm，0.1)
- 隨機產生突變點，依據突變率骰骰子決定會不會突變，1 變 0，0 變 1
- 針對排列的問題，想出以下幾種方法
- 刪除插入突變：隨機擷取幾段刪除/插入基因
- 交換突變：兩條染色體，兩個個別隨機擷取一段，交換剛剛擷取的基因
- 反轉突變：隨機擷取一段基因，將順序反過來，再放回去
- 排列(tsp旅行銷售員問題)
- np problem: 只能找近似解
- 隨機產生兩個點

## MetaYourHeuristic 實習課教材 20190401
- visual studio
- 有說明書
- GA_lib
- propoty 切換主程式
- paper_present...: 期末報告的要求
- 只需要改 fitness
> 新計畫的環境＆二氧化碳排放量需要改 fitness => 值越小越佳

numRepetitiveRuns 幾次基因(?)
ga.Run 多久
Dimension x1 x2 有幾個
DimensionsLowerBound 下限
DimensionsupperBound 上限
可以改整數，二進位，實數(EncodingType)
RepeatableoOption 看可不可以重複SS
突變 : 高斯，均勻(3種)

ga.Run(MFE, ?機率，突變機率)
代數 * 染色體數(fitness 要一致，MFE

- GA_Lib_TSP