总结july的算法而得：
1、GA是个优化的算法，每一步通过迭代计算得到下一代群体，判断之后再循环，迭代计算中含有计算适应度、选择算子、交叉算子、变异算子，这几个算子还不是很detail。如此反复得到最优解。
2、智能优化算法，又称现代启发式算法，具有全局优化性能，通用性强，适合并行处理的算法（全局代表着精度更高，通用表示适用范围广，涵盖各种类型数据，并行计算表示可以处理海量数据），最终结果是，此种算法可以在一段时间内找到最优解或近似最优解。
3、包括:GA,模拟退火算法，禁忌搜索算法，粒子群算法，蚁群算法。
4、GA 所包含的过程为自然界自然选择的过程，繁殖-》交叉-》基因突变
四个过程：1）编码，抽象问题，一般用二进制字符串来描述，2）适应度函数，评价标准，越大越好，驱动力及唯一标准。设计形式要根据问题来进行（这个是重点，设计出合适的适应度函数）3）选择算子，从父辈中选取适应度高的遗传到子代中。以轮盘赌算法为例：各个个体被选中的概率是与其适应度函数值大小成正比的。1.确定一个适应度计算函数，求出各个个体的适应度，再根据此求出各个个体被选择的概率（正比，分母为所有适应度之和）2.计算积累概率，此概率作为评判标准判断随机的个体是否被选择。3.随机产生随机数，进行比较。交叉算子，指两个相互配对的染色体依据交叉概率按某种方式相互交换其部分基因，从而形成了两个新的个体。（类似于遗传过程中两个染色体融合的过程），这里是产生新个体的关键。例子，单点交叉算子，具体的过程还不是很清楚，仅仅是交换了交叉点处的后面部分，交叉点如何确定？变异算子，局部搜索，辅助产生新个体，交叉是全局搜索，例子，基本位变异算子，都某一位或者几位基因作变异算子，1变0
。4）相关参数
5、应用，求一个函数的最大值，其中选择-复制 步骤没看懂-》按照随机数的次序依次来的。
第一步中问题的描述，设定种群规模，编码染色体，产生初始群体，针对的就是X的值，利用二进制编码得到其编码值，函数就是适应度函数的表达过程，列出选择概率和积累概率的表格，从【0，1】区间中选择 随机数，检测其所在的范围之内，从而得到新的群体，利用交叉率，变异率，如此走下去，最终会出现适应度最高的选择。