主题：【注意】请问水风道长 -- 睡虫

正如阁下所述，进化需要：

一定概率的基因突变：这完全可以用可控制的模型，以一定的可控概率来引入。

突变基因对个体特征的表达：实际上是一个模型中的控制参数对程序的控制。

相当数量基因不同的个体：在计算机内很容易实现。

对个体适应性的评估：对于某一参数集合，用目标函数对系列组合（不同基因的个体）评分，得分高的个体获得交配的权利: 如：

基因集：X Y　Ｚ

　　　Ｘ　有值x0, x1, x2

Y 有值y0,y1,y2

Z 有值z0,z1,z2.

引入评估函数F(X,Y,Z) 对一系列个体评估：

　　　　F(x0, y0, z0)...

　对评估结果进行排序：得到优化集

　　　　　x0, y1, z0

x0, y1, z1,

x1, y0, z0,

x1, y1, z0

使用一定的算法（交配）得到下一代个体，注意如果上面的每种组合的个体相同，下一代个体中　x0,y1,?? 的个体可能更加占优势，达到了进化的目的。

　　我觉得使用基因算法，程序的进化虽然还很粗糙，但与自然的选择已经没有质的差距。基因算法在解决大参数空间优化问题中已经有广泛的应用：

ＥＤＡ

A GENETIC ALGORITHM FOR VLSI PHYSICAL DESIGN AUTOMATION

外链出处

The Santa Fe Institute

外链出处

希望有基因算法的专业人士给出进一步的阐述