问题描述
遗传算法是一种元启发式算法。声明是人口每一代都演变成更好（更合适）的解决方案。这是为什么？
我对 AI 还很陌生，但想逐步改进 ;-) 所以请帮助我理解这个算法。
在每次迭代中，都会创建新一代的种群。为什么它会包含一个同样适合或更适合的个人？
Create a population of Individuals
WHILE population does not have the optimal fittest OR not maximum number of generations
call: evoluate the population
print fittest of population
method: evoluate the population
Craete a new population
FOR the number of individuals in the population
Select a fittest individual out of 5 random Individuals
Select a fittest individual out of 5 random Individuals
Store the crossover of these (parent) Individuals in the new population
FOR the number of individuals in the population
mutate the individual
解决方法
它也可能包含一个不太合适的解决方案，以逃避局部最优。这就是为什么也必须记住全局最佳解决方案的原因，除非保证第一个个体能够控制它并存活下来。
,注意：为任何语法错误道歉。
问题：为什么它会包含一个同样适合或更适合的个人？
Ans：假设算法从一定数量（比如 30）的总体（个体/解决方案集）开始，并将运行一定数量（比如 30）代。
- 最初随机或使用适应度函数为每个人提供适应度分数。
- 在每一代中，所有个体都会经历一些步骤（选择、交叉、变异）。在选择步骤中，具有较高适应度值的个体更有可能被选中。在交叉过程中，具有较高适应度值的个体更有可能被选为父母。同样，在变异步骤中。 （注意：概率值用于选择、交叉、变异步骤。） 因此，在下一代中，新种群更有可能比上一代表现更好。
问题：下一个种群是否有可能包含一个不太合适的解决方案？
回答：是的。由于交叉和突变，一些后代（新个体）可能与他们最好的亲代个体（前一个被选择进行交叉/突变的个体）发生很大变化，他们可能不会给出最好的结果。 然而，在每一代人中，个体最终都会变得更好。
