是 輪盤 中 每 個 槽 （ Slot ） 的 大小 都 是 根據 每 個 個體 性能 指標 （ 或 適應 能力 ， Fitness ） 的 百分比 來 設定 的 ， 也 就是 性能 指標 愈 高 者 所 佔據 的 盤面 比例 愈 大 。 其 分格 比例 大小 可 以 下 式 求得 其中 fi 為 第 i 個 個體 的 適應 函數 值 ， PSi 可 視為 第 i 個 個體 被 選中 的 機率 。 自然 選擇 過程 不斷 反覆 進行 ， 每 選中 一 個 個體 ， 即 將 其 複製 重生 ， 放入 交配槽 中 ， 直到 交配槽 中 擁有 S 個 個體 為止 。 理論 上 ， 擁有 較 高 適應 能力 的 個體 ， 將 擁有 較 高 的 機率 被 複製 ， 以至於 能 提供 較 多 副本 到 交配槽 中 。 此 步驟 完成 後 ， 由於 交配槽 中 的 個體 僅 是 原 個體 的 副本 ， 所以 尚未 有 異於 原 個體 的 新 個體 產生 。 （ 2 （ 交配 （ Crossover ） ： 交配 運算子 提供 了 一 個 訊息 （ information ） 交換 的 機制 ， 使得 族群 中 不同 個體 可 經由 隨機 交配 過程 ， 互換 基因 ， 以 產生 新 的 子代 （ offspring ） 。 首先 ， 從 交配槽 中 任 挑 兩 者 ， 稱 之 為 雙親 （ parents ） ， 然後 隨機 地 在 雙親 字串 的 N 個 基因 （ 位元 ） 中 任 挑 一 點 ， 稱 之 為 交換點 （ Crossoverpoint ） ， 再 將 位於 交換點 右側 的 雙親 基因 互換 ， 生成 兩 個 新 的 個體 ， 如此 即 完成 交配 過程 。 因此 所謂 交配 ， 其實 只是 將 雙親 的 基因 （ 位元 變數 ） 互換 罷了 。 另外 ， 並非 所有 被 挑中 的 雙親 皆 能 進行 交配 ， 而是 根據 預設 的 交配 機率 （ Probability of crossover ） 來 決定 交配 發生 的 頻率 。 交配 機率 一般 設為 0.81 ） 例如 ： 若 交配 機率 設為 0.8 ， 則 每 次 從 交配槽 中 挑出 兩 個 雙親 個體 時 ， 必須 先 以 擲骰子 的 方式 決定 是否 進行 交配 ， 亦即 先 產生 一 個 介於 01 之間 的 實數 亂數 ， 若 該 數 小於 0.8 ， 則 進行 交配 產生 新 字串 ； 否則 只要 將 雙親 基因 完全 複製 給 子孫 即可 ， 而 不 進行 交配 。 （ 3 （ 突變 （ Mutation ） ： 突變 過程 是 將 交配 後 產生 的 子代 ， 根據 預設 的 突變 機率 進行 突變 。 其 作法 只是 將 隨機 選定 的 位元 反轉 （ 0 變 1 1 變 0 ） 罷了 。 一般而言 ， 突變 機率 都 設定 得 不 高 （ 約 0.001 左右 ） 。 突變 可以 引進 新 的 基因 樣式 ， 避免 過 早 收斂 （ Prematureconvergence ） 。 而且 ， 突變 本身 是 一 個 在 參數 空間 中 亂 走 （ Random walk ） 的 隨機 過程 ， 可以 開發 新 的 搜尋 領域 ， 防止 收斂 於 局部 最佳 點 （ Localoptimum ） ， 而 探尋 整體 最佳點 （ Globaloptimum ） ， 但 又 由於 突變 機率 通常 不 高 ， 故 不會 使 遺傳 演算法 流於 完全 的 「 亂 走 」 演算 。 （二） 以 新 族群 取代 舊 族群 。 經過 以上 三 個 繁衍 過程 ， 舊一代 （ Old generation ） 族群 的 S 個 舊 個體 便 衍生出 新一代 （ New generation ） 族群 的 S 個 新 個體 。 這 個 新 族群 必須 取代 舊 族群 ， 並 負起 繼續 繁衍 下 一 代 的 責任 。 取代 的 方式 亦 有 許多 種 ， 常見 的 有 ： （ 1 （ 整 代 取代 ： 將 舊 族群 中 的 舊 個體 悉數 以 新 個體 取代 之 而 成為 新 族群 。 （ 2 （ 保留 菁英 ： 將 舊 族群 中 性能 指標 較 高 的 前 M 名 保留 ， 其餘 以 新 個體 中 任 挑 （ S-M （ 名 或 挑 適應值 較 高 的 前 （ S-M （ 名 取代 之 。 由於 自然 選擇 過程 是 根據 性能 指標 為 依據 ， 因此 理論 上 子代 的 性能 指標 應 高於 母代 。 如此 一 代 一 代 演化 下去 ， 終 能 找到 適應 函數 的 近似 最佳解 。 4 .
 
2 應用 用於 模糊 系統 之 自我 學習 。 設計 模糊 推論 系統 時 所 遭遇 的 問題 大致 可 分為 兩 類 ： 其一 是 ， 有 了 模糊 規則 ， 如何 調整 歸屬 函數 ； 其二 是 ， 固定 歸屬 函數 ， 如何 找尋 適當 的 模糊 規則 。 當然 ， 有時 也 會 遭遇到 又 要 尋找 適當 的 規則 ， 又 要 調整