当时给小姐姐讲的故事是这样的：
遗传算法基于达尔文的进化论，模拟“物竞天择，适者生存”的自然法则，通过若干代的遗传、交叉、变异、复制，得到最优解。本文将借助一个很直观的例子，给大家介绍遗传算法。
问题假设
在大草原上，有一个物种，为了生存下去，它们必须跑得比其它同类快，否则就会被天敌吃掉(被淘汰)。这个物种由三种元素组成：
•腿：即上图中的node，颜色越深，表示它和地面的摩擦力越大。•肌肉：用于连接任意两只腿，颜色越深，表示力量越大。•时钟：即右上角画的表的样子，它可以用来控制肌肉收缩时长和舒张时长。
肌肉的收缩舒张带动了腿的运动。每个物种可以有多条腿，腿的大小、肌肉的长短和力量、以及肌肉收缩舒张所用时长，都会影响到它跑动的快慢。
目标
“我们的目标是！” “没有蛀牙～～”。啊呸！我们的目标是，随着繁衍、竞争和淘汰，让这个种族的奔跑速度越来越快。
物种诞生
第一批生物，也就是这个种族的父辈们是怎么产生的呢？因为没有经历过筛选淘汰，我们也不知道什么样的腿和肌肉的组合会产生跑得最快的个体，因此可以随机初始化一些个体出来。这里随机初始化了1000个。
这些父辈中，有的个体只有三条腿，有的个体甚至达到了8条腿，肌肉的组合样式也不一样。我们先来看一下这些随便组合的个体的跑得快不快。
这里我们从视频中截取了一张图片，这个个体憋憋嘟嘟的，费了半天劲，差不多用了15秒前进了1米。这个还算好的了，有的个体只会原地摩擦，更有甚者，不前进也就算了，直接给你往回跑。
适者生存
落后就要被吃。我们对这1000个副本进行一轮筛选，根据它们在15秒内的前进距离进行淘汰。淘汰规则为，跑得越快越容易生存下来，跑得越慢，被淘汰的几率越高。这里有个有趣的细节需要讲一下，这里的淘汰讲的是根据几率而不是完全根据它们跑动的距离。也就是说，跑的慢的物种也有可能继续生存下来，而有些跑得快的个体竟然有可能被淘汰。这种现象在自然界里其实也很常见。毕竟跑得快的动物，如果新陈代谢功能配置不合理，有可能消耗过高的能量而不适合生存，某些跑得慢的动物，由于不怎么消耗能量，反而被大自然保留了下来(参考考拉)。第一代被kill掉一半(被黑色涂掉)，剩下的一半有幸继续传播祖传染色体。
XXX产生后代
自然界有性繁殖的优势在于，可以组合不同个体的染色体。研究表明，父母双方的染色体差异越大，产出优秀后代的可能性更高(反例则是近亲结婚)。所以小伙伴们，远嫁远娶未必是坏事哦。在这个例子里，交叉可以继承父辈双方各一半的染色体进行组合，就有可能产生更加优秀的后代，例如父亲肌肉力量大，母亲腿长(当然腿长力量大不一定跑得快)。
变异
变异才是生物进化的原动力。在学习高中生物之前，我一直认为变异是个贬义词。但其实变异有好有坏(虽然绝大多数是坏)。如果某个个体的某个基因发生突变，从而让其拥有了超越同类的能力，那么这个基因就有很大概率继续传播下去，从而使得整个群体发生进化。同样的，我们在遗传算法中也使其有一定概率发生变异。在这个例子中，例如父亲三条腿，母亲五条腿，如果不发生变异，后代要么三条腿，要么五条腿，基因突变的话，后代有可能会产生四条腿(变成马了！)。
传宗接代--繁衍
姚明和叶莉的后代很大概率要比正常同龄人高；两个普通的凡人，也有可能生出高智商的孩子。这就是遗传的魅力。遗传算法通过父辈的交合以及一定概率的变异，产生后代，这些后代都或多或少保留了父辈的基因，也存在着一些新的基因，等待自然的选择。同样的，使用相同的标准，在15秒内根据其前进的距离进行优胜劣汰。
迭代
整个过程模拟了自然界的基本特性：生存和繁衍。要想活下去，就得跑得快，跑得快，才有资格传出自己的祖传染色体。经过n轮的淘汰和筛选，从宏观上，我们看到的是个体的选择，其本质是基因的选择。因为每一代我们都会杀掉一半跑得慢的个体，这样，那些造成个体跑得慢的基因以及基因组合就会被人为咔嚓掉。
•到第10代的时候，最快的个体已经可以15秒跑3米左右。•到了第30代，跑得最快的个体已经可以15秒跑6米，且整个群体的平均水平也接近3米，整个群体都在进化。
•上图展示的是随着迭代轮数，最快个体的成绩(最上面的黑线)和中位数个体的成绩(红线)。到了65代左右，最快的个体是一条4条腿的家伙(真的和生物界类似了？)，整个群体中，4条腿的最多，其它数目腿的个体都逐步被淘汰掉了。•到了300代的时候，整个群体的进步程度变得非常缓慢，可以停止迭代了。
机器学习上的运用
那么遗传算法怎么用到我们的机器学习上呢？我们构造的每一个特征其实都是一个基因，我们需要对这些基因进行组合、保留、淘汰、突变，当模型的最终指标不再变化时，我们就认为模型已经进化到了一个最高的水平。这里我们为大家介绍一个python的开源工具包tpot，它是一个自动机器学习的工具包，里面也整合了遗传算法。
from tpot import TPOTRegressorX_train, X_test, y_train, y_test = train_test_split(tpot_train, target, train_size= 0.75, test_size= 0.25)tpot = TPOTRegressor(generations= 5, population_size= 50, verbosity= 2)tpot.fit(X_train, y_train)print(tpot.score(X_test, y_test))tpot_pred = tpot.predict(tpot_test)tpot.export( 'tpot_boston_pipeline.py')tpot_train就是我们构造的初始特征，在TPOTRegressor方法中，generations是种群迭代轮数，即繁衍多少代，population_size表示的是种群数，即表示有多少个个体。随着繁衍轮数或者种群规模的增大，模型运行时间也会极度变大。小编尝试了一下，迭代个10轮差不多要10个小时(和初始特征数也有关)。从结果来看，遗传算法基本可以达到我的水平上限。毕竟机器学习最重要的是特征，特征决定了模型的上限，遗传算法可以尽可能的触摸到这个上限。
总结
遗传算法的思想十分有趣，且十分有效，遗传算法已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。然而从实际操作来看，在机器学习中时间消耗太大，用Lgb模型10分钟跑完，我们就可以继续构造特征验证想法，而遗传算法可能需要让你等上一天。但不得不说，这个算法的思想很值得我们去学习和思考。
