對 外在 環境 的 適應 能力 （ Fitness ） ， 相當於 該 系統 的 性能 指標 （ performanceindex ） ， 適應 函數 值 愈 大 表示 該 系統 的 性能 愈 好 ， 反之 ， 表示 性能 愈 差 。 遺傳 演算法 的 目的 便是 透過 一些 擬生物化 的 人工 運算 過程 ， 如 重生 、 交配 、 突變 等 進行 演化 ， 最後 ， 尋得 適應 函數 的 最佳解 。 如今 ， 有 許多 文獻 提出 各式各樣 不同 的 方法 來 改良 遺傳 演算法 ， 但 其 基本 精神 都 是 從 「 簡易 遺傳 演算法 」 （ Simple GeneticAlgorithm SGA ） 發展出來 的 。 因此 ， 本 節 僅 就 「 簡易 遺傳 演算法 」 的 運作 過程 加以 說明 。 運用 遺傳 演算法 的 基本 運算子 如 重生 、 交配 、 突變 之前 ， 必須 先 完成 如下 之 準備 工作 ： （一） 定義 適應 函數 （ Fitness Function ） 。 適應 函數 是 遺傳 演算法 的 性能 指標 （ Performance index ） ， 例如 ， 其中 xi 稱為 函數 f 的 參數 。 遺傳 演算法 的 目的 就 是 要 找到 使 f 函數值 最 大 的 參數值 （ x1 x2 ） 。 （二） 決定 編碼 （ Coding ） 與 解碼 （ Decoding ） 方式 。 為了 有效 的 搜尋 參數 空間 ， 首先 要 確認 每 個 參數 的 搜尋 範圍 ， 再 將 每 個 參數 以 固定 長度 的 字串 加以 編碼 。 最 簡單 也 最 廣為 使用 的 編碼 方式 是 二進位 編碼 （ BinaryCoding ） 。 在 二進位 編碼 方式 中 ， 每 個 參數 都 預先 被 轉換成 n 位元 的 二進制 數字 ， 因此 ， 如果 函數 f 的 某 個 參數 xi 的 搜尋 範圍 界定 於 ai bi （ 之間 ， 那麼 ， 以 二進位 編碼 之後 ， 將 迫使 實際 的 xi值 量化 至 極 之間 ， 其中 k 是 介於 0 到 2n 間 的 任一 整數 。 （三） 產生 位元 字串 （ Bit string ） 。 （四） 產生 原始 族群 （ Initial Population ） 在 啟動 遺傳 演算法 之前 ， 必須 先 隨機 產生 S 個 第零 代 的 個體 ， （ 位元 字串 ） {p1 （ 0 （ size ， ） S 則 視 問題 的 複雜度 而 定 。 一般而言 ， 愈 複雜 的 問題 需要 愈 大 的 族群 規模 來 解決 。 由於 每 個 個體 代表 一 個 解 ， 因此 ， S 個 原始 個體 便 代表 S 個 初始解 。 這 S 個 初始解 的 性能 指標 可能 都 很 低 （ 非 最佳解 ） ， 遺傳 演算法 便是 希望 藉由 以下 即將 提到 的 基本 運算子 ， 經過 幾 代 演化 之後 ， 能 一 代 比 一 代 更 好 ， 使 整體 性能 指標 提高 ， 最後 達到 最大值 ， 求得 適應 函數 的 最佳解 。 圖 11 是 遺傳 演算法 的 運作 流程 ， 詳述 如下 ： （一） 基本 運算子 產生 了 以 位元 字串 所 表示 的 原始 族群 之後 ， 即可 啟動 遺傳 演算法 的 演化 過程 （ 見 圖 11 ） 。 簡易 遺傳 演算法 （ SGA ） 的 演化 過程 包含 三 個 基本 運算子 （ Operators ） ： 重生 （ Reproduction ） 、 交配 （ Crossover ） 及 突變 （ Mutation ） 等 。 這些 運算子 的 主要 目的 是 用來 作用於 舊一代 （ Old generation ） 族群 ， 以 產生 新一代 （ Newgeneration ） 族群 。 詳述 如下 ： （ 1 （ 重生 （ Reproduction ） ： 類似 生物 的 無性生殖 。 根據 每 個 個體 的 適應 函數 值 高低 ， 決定 該 個體 被 複製 的 機率 。 因此 ， 性能 指標 高 的 個體 ， 就 會 有 較 高 的 機率 被 選擇到 而 「 自我 複製 」 出 下 一 代 的 新 個體 ， 無可置疑 的 ， 這 是 一 個 人工版 的 自然 選擇 （ Naturalselection ） 過程 。 因為 性能 指標 差 的 個體 ， 被 選中 自我 重生 的 機率 比 性能 指標 高 者 小 ， 以至於 在 新 的 族群 中 ， 性能 差 的 個體 會 比 舊 族群 中 少 ， 取而代之 的 是 性能 較 好 的 個體 。 如果 在 舊 族群 中 有 S 個 個體 ， 那麼 在 重生 階段 ， 自然 選擇 機制 也 必須 複製出 相同 數目 的 新 個體 。 這 S 個 自我 重生 的 個體 將 悉數 被 放入 一 個 稱 之 為 交配槽 （ Mating pool ） 的 緩衝區 中 ， 等待 進一步 的 繁衍 。 有 許多 方法 可以 用來 實現 重生 過程 中 的 自然 選擇 機制 ， 其中 最 簡易 也 最 廣為 採用 的 是 「 輪盤法 」 。 此 一 輪盤 不同於 一般 的 等分 格 輪盤 ， 其 主要 特色 是 輪盤 中 每 個 槽 （