歡迎大家回到 GA with you的系列，恭喜大家堅持了第二天，往後也要繼續加油～～
（其實是給自己打氣）
今天滿堂爆炸累...
不囉唆，正文開始

在介紹基因演算法的全部流程前，需要先瞭解會運用到哪些元素來組成，需要哪些元素才能進行。

基因演算法的整體架構和運作的流程可以產生高度的解答搜尋能力，也具備較高的問題獨立性。在基因演算法的執行過程中以達到適應函數標準的適應值(Fitness Value)為判斷標準，而適應值的好壞同時決定了該個體是否保留或是淘汰，進而確保下一代的個體優於上一代。

這邊先介紹一下基因演算法組成的元素，以免大家到了後面還是傻傻分不清楚
(或許是我的文筆要要再多加油)

最基本的元素 － 基因 (Gene)
在GA的過程中，要變化每一個個體中的基因(Gene)片段，基因就是最基本的編碼單位啦~~
有點像是「APPLE」這個個體是由「A」、 「P」、 「P」、 「L」、 「E」這五個基因所組成的感覺
而可以根據要解決的類型來決定基因的型態，不同的基因型態就可以表示成不同的基因演算法
像是使用實數編碼的基因就是實數型基因演算法、符號編碼的基因就是符號型基因演算法～～
（實數型和符號型基因演算法也會在後續的文章中陸續為大家介紹，繼續埋梗的我）

基因的集合 － 染色體 (Chromosome)
好，到這邊大家千萬別轉台，現在不是生物課
染色體就是所謂的個體(這樣誰聽得懂啦)，再明白一點就是前面基因的集合，
以上面的例子來說「APPLE」這個染色體是由「A」、 「P」、 「P」、 「L」、 「E」這五個基因所組成

染色的集合 － 族群(Population)
到這邊朋友們都還在吧(?!)
族群就是前面染色體的集合啦~
當每一次的世代交替中，全部的染色體就是候選人，而這些候選解救是所謂的族群啦~
用上面的例子繼續延續，「APPLE」 、「GRAPE」 、「GUAVA」 、「LEMON」這些染色體(Chromosome)合起來就是所謂的族群(Population)，希望這樣簡單的例子可以讓大家更明白一點。

這邊用一張圖來表示上述說的基因、染色體和族群的關係：
橘色方框表示族群 Population
綠色方框表示染色體 Chromosome
藍色方框表示基因 Gene

以上就是基因演算法中會遇到的幾個重要元素，
明天會給大家帶來基因演算法的流程介紹～

一樣如果有任何疑惑都可以在下面留言告訴我，
無論是核心理論、表達上有誤的歡迎指教
希望明天還可以再次遇見大家

相關資料來源：
林豐澤・2005。演化式計算上篇:演化式演算法的三種理論模式。智慧科技與應用統計學報，3(1)，1-28。
林豐澤・2005。演化式計算下篇:基因演算法以及三種應用實例。智慧科技與應用統計學報，3(1)，29-56。
林昇甫、徐永吉・2009。遺傳演算法及其應用・五南圖書出版。