达尔文的自然选择

书名：代码本色：用编程模拟自然系统
作者：Daniel Shiffman
译者：周晗彬
ISBN：978-7-115-36947-5
第9章目录

9.3　达尔文的自然选择

  在研究遗传算法之前，我们要先学习达尔文进化学说中的3个基本法则。如果要正确地模拟自然选择，我们必须同时实现这3个要素。

1、遗传

• 子代必须以某种方式继承父代的特性。
• 如果生物存活的时间足够长，繁殖的概率也足够大，那么它们的特征将会传递给下一代。

2、突变

• 种群的个体具有多种特征，也就是说，必须引入突变的机制保证个体的多样化。
• 举个例子，在某个甲虫种群中，所有个体的特征都是相同的：它们有同样的颜色、尺寸和翅展等。
  如果没有变异，子代将永远和父代保持一致，新的特征永远不会出现，种群也不会进化。

3、选择

• 必须有一种选择机制：使得种群中的某些个体能够繁殖，把自己的基因传递给下一代；而另一些个体却没有机会繁殖。
  这通常称作“适者生存”。
  比如，羚羊种群的个体经常成为狮子的猎物。羚羊跑得越快，它就越能逃过狮子的猎杀，生存时间越久，繁殖的可能性越大，也就越有可能将自己的基因传递给下一代。
  适者这个术语有一定的误导性，在一般情况下，它指的是更大、更快，或更强。但还有一些例外，自然选择会挑选一些更适应环境的生物特性，让具有这些特性的生物有更多的生存和繁殖机会。
  自然选择并不会让某种生物变得更“好”（这是一个主观词语）或在生理上变得更强。举个例子，对于这些正在敲键盘的猴子，更“适”的个体是那些能敲出接近“to be or not to be”句子的猴子。

4、算法本身的两部分

下面，我们将以猴子打字的例子为上下文学习遗传算法。
算法本身分为两部分：一组

• 初始化条件（也就是Processing的setup()函数）
• 重复迭代的步骤（Processing的draw()函数），

这些步骤将一直重复执行，直到我们得到正确答案。