几个月前，我做了一个遗传算法，但结果证明我在解决任何问题上都非常努力。我最初的目标是在游戏应用中使用遗传算法
现在我正在重新创建整个过程，并试图从另一个角度来看待这个问题。
现在我将定义设置下一代的步骤。
我最后的想法是：
>
从当前世代中获得最高评级的基因，并在下一代中复制它们（数量由精英设置）
取两个随机基因进行交叉（选择的机会与基因等级相关），我做了几种交叉方法（一点、两点、三个父母、平均、均匀…）
用上述方法给新一代注入基因
对基因应用一些突变（被选择的几率由突变率决定），它只会改变部分DNA（排名靠前的基因除外）
这被证明是非常低效的（我不知道为什么），而且非常需要计算，因为交叉过程在所有基因上循环了好几次。
现在我在用一种新的方法思考。
基本上，我的目标是保持基因，去除“坏”基因，用交叉基因填满基因库。
在有1000个个体的基因库中，我会：
>
丢弃排名最低的500个。
复制最高评级（在10%精英主义中为100）
使用交叉产生400个新基因。
应用突变
我把“世代”的概念太字面化了，让他们都死了（期待最高评级的人），现在我会让他们都活着，期待糟糕的人。并根据需要重新填充。
我遗漏了什么吗？这种新方法会更好吗？
有一种替代垂直基因转移（传统的世代概念）的方法，即水平基因转移（见本文）。通过水平基因转移，种群大小在整个模拟过程中保持不变。
此外，当你培育基因型时（无论你选择哪种方法），你绝对不应该在几代人中只保留最合适的候选人。如果您这样做，您找到的解决方案很可能是局部最优的。每个基因型都应该有机会传给下一代，适者生存的人有更好的机会（参见关于线性排序选择的答案）。
