距離上次介紹基因演算法的第一篇已經好久了，重新回顧才發現並沒有在技巧上面說明得很清楚，所以打算再繼續這個主題，把基因演算法做一個完整的介紹…

如果您不知道基因演算法是什麼，建議您可以先參考上一篇。

先前提到基因演算法的基本概念，但是要怎麼寫程式呢？首先我們先來探討基因演算法的幾個基本元素。

第一個是基因；沒有基因來當作媒介，我們沒有辦法進行基因演算法，但是要怎麼表現基因呢？以電腦世界而言，最常見的就是 0 和 1 的組合形成的"Bit String"，例如：0010 就是一個四個位元的 bit string。用四個位元就可以表現出十六種基因組合，而不同的基因組合又可以對照到不同的"表現型"上，例如第一個 bit 表示顏色、第二個 bit 表示長度，第三個 bit 表示色調等等。

除了固定長度的基因之外，也可以採用不定長度的基因；例如，假如要用英文字測試是否能夠演化出一本莎士比亞全集，就可以採用不定長度的基因，讓莎士比亞全集由最早的英文單字逐漸長到厚厚數本書這麼大。

利用適合的基因表達方式，才能夠讓問題更容易利用演化的方式找到解答。如果問題本身不適合用固定長度來表達，就可以考慮用不定長度的基因；相對的，如果問題本身不需要不定長度就可以解決，用不定長度基因型反而會造成程式更慢找到解答。

第二個是適應函式(fitness function)；適應函式是用來測試個體在現在的環境中的適應程度，一般而言，適應得越好得分越高，也就會給它更高的機會傳遞它的基因給下一代。舉例來說，如果要程式要找出基因中全都是 1 沒有 0 的個體，那麼適應函式就可以計算現在個體的基因中有幾個 1。

適應函式其實就是所謂的"環境"；適應函式不但要考慮個體相對於整體的表現，還要考慮在不同時期給予個體不同的壓力。例如，程式不太可能在一開始就亂數產生出英文中合文法的句子，這時候就要比較寬容一點給分給鬆一點；等到後期程式已經抓到語法的訣竅，那麼有一個拼字錯誤，或許就會被扣不少分數。

第三個是選擇函式(selection function)；一般來說，選擇函式都會依照適應函式的分數來作為判斷依據，但選擇有很多方式，最簡單的就是前面一半就晉級，另外也有依照得分多寡加權計算機率的，甚至於保送到下一代的方式。選擇函式做的就是"天擇"的動作。不同的選擇函式各有優缺點，也有其道理所在，請容以後再詳述。

第四個是交配方式(crossover)；由選擇函式中選出的兩個個體的基因要如何重組？在固定的點切開一人一份，還是可以在任意點切開來組合？對不定長度的基因，是用模組/區塊的方式重組交配還是同樣在固定點切開？這都要依照目標的不同而調整。

最後是突變方式(mutation)；個體在什麼樣的狀況下會突變？突變的地方又是在哪裡？突變之後會變成什麼值？這些都是可以考慮的。

以上五個是基因演算法程式設計中，最重要的幾個架構，至於每個架構有什麼樣的考量，之後再專文說明。