遗传算法是一种搜索算法，解决全局优化问题，如果是目标函数多峰，搜索区域不规则，就需要算法具有鲁棒性。一个区域一个区域的尝试，避免其他算法中搜索的指向和拘泥细节出不来的问题，其遇见细节，会跳过去，不在细节处纠缠。其中染色体等于数据组等于向量。

   在定义域内确定n组数据，计算这n组数据的函数值，根据函数值大小对n组数据从大到小编号，对排序后的数据组，按照序的大小分别计算其的评价值vi，计算评价值的累计值，依次赋予pi值，pi=∑vi，在[0,pn]之间按照一定原则，生成随机数，按照生成随机的所处的位置，对原排列的数据组重新排序，生成新的一组数据组，在这个n个数据组中，每次随机抽取一定的数据组，进行交叉操场，即s1=cm1+(1-c)m2,s2=(1-c)m1+cm2,这组数据替代原数据组，在这组新数据组，根据一定概率，选取一部分进行变异计算，s1=s+md,把变异计算新得到的部分数据替代原数据组，重复上面计算。

乔老师说，建立数学模型，就把原来的问题用另一种语言表达，如数学语言表达，把数学语言转化为可计算的语言，如果建立的模型求不出解，模型就无用，故最终模型就落实到算法的设计上，这样模型才落地。

马尔科夫过程：系统转移具有无后效性，采取决策后，不知道自己处哪里，但知道自己以多大的概率处在哪里，与系统的发展历史无关。关键是找到状态转移矩阵，接着找到报酬转移矩阵。

动态规划：一个问题能不能用动态规划求解，主要看能不能把规划问题分为若干个阶段，分别加以求解，同时这些各个阶段上满足目标的决策满足无后效性。计算动态规划的过程。首先把静态规划（空间规划、多主体规划，一步规划）转化为多个阶段的动态规划，划分阶段，写出状态变量，写出决策变量，写出转移方程，确定目标函数，用逆序法求解。 第一个不能动态规划的逆序法求解，存在部分的路不通，2可以用逆序法求解，因为所有的路都通。