极大极小值算法？ 极大极小算法中节点的权值到底是如何确定的？比如在五子棋中，博弈树中每个节点的权值如何确定？
遗传算法解决多元函数的问题，目标函数：一个含有30个变量的函数求极小值问题约束条件：每个变量均为0~100之间的自然数编码方式：我采用的是二进制编码，8位表示一个变量，那么每个可行解（染色体）即为240位的二进制数.遗传代数：200种群大小：100交叉概率：0.6变异概率：0.4运行结果很不理想，本人GA初学者，怎么样改进？编码设计是否合理？参数应该选择多少？或者提供一种您认为针对该问题适用的编码
遗传算法[1，] 遗传算法，又称基因算法(Genetic Algorithm，简称GA)，也是一种启发式蒙特卡洛优化算法。遗传算法最早是由Holland(1975)提出，它模拟了生物适者生存、优胜劣汰的进化过程，具有不依赖于初始模型的选择、不容易陷入局部极小、在反演过程中不用计算偏导数矩阵等优点。遗传算法最早由Stoffa和Sen(1991)用于地震波的一维反演，之后在地球物理资料的非线性反演中得到广泛的应用。GA算法对模型群体进行追踪、搜索，即模型状态通过模型群体传送，具有比模拟退火法更大、更复杂的“记忆”，潜力更大。遗传算法在反演中的基本思路和过程是：(1)将生物体看成模型，模型参数看成染色体，有多少个模型的参数就有多少个染色体。对每个模型的参数(染色体)用二进制进行编码，这个编码就是基因。(2)随机生成一个模型群体(相当于生物的种群)，然后在模型群体中进行繁殖，通过母本的选择、交换和变异等遗传操作产生下一代，然后保留较好基因，淘汰较差基因。(3)通过一代一代的繁殖优胜劣汰的进化过程，最后所剩下的种群基本上都是最优的基因，种群趋于一致。所谓群体“一致”，即群体目标函数的方差或标准差很小，或者群体目标函数的均值接近于极值(可能是极大值或极小值)，从而获得非。
