人工智能遗传算法：1. 遗传算法概述（遗传算法的操作；基本遗传算法；）2. 应用案例：遗传算法的应用

1. 遗传算法概述：受自然界和生物界规律的启迪，人们根据其原理模仿设计了许多求解问题的算法，包括人工神经网络、模糊逻辑、遗传算法、DNA计算、模拟退火算法、禁忌搜索算法、免疫算法、膜计算、量子计算、粒子群优化算法、蚁群算法、人工蜂群算法、人工鱼群算法以及细菌群体优化算法等，这些算法称为智能计算也称为计算智能(computational intelligence, CI)。 智能优化：智能优化方法通常包括进化计算和群智能等两大类方法，已经广泛应用于组合优化、机器学习、智能控制、模式识别、规划设计、网络安全等领域，是21世纪有关智能计算中的重要技术之一。首先简要介绍进化算法的概念，详细介绍基本遗传算法，这是进化算法的基本框架。遗传算法还有双倍体、双种群、自适应等比较典型的改进遗传算法，最后介绍遗传算法的应用。 进化算法(evolutionary algorithms，EA)是基于自然选择和自然遗传等生物进化机制的一种搜索算法。生物进化是通过繁殖、变异、竞争和选择实现的；而进化算法则主通过选择、重组和变异这三种操作实现优化问题的求解。进化算法是一个“算法簇”，包括遗传算法(GA)、遗传规划