人口是当前一代人解决方案的子集。它也可以定义为一组染色体。处理GA人口时，有几件事要牢记-

• 应当保持人口的多样性，否则可能导致过早收敛。

• 种群数量不要保持太大，因为它可能导致GA变慢，而种群数量较小可能不足以提供良好的交配池。因此，最佳人口规模需要通过反复试验来确定。

群体通常被定义为二维数组，即大小群体，大小x，染色体大小。

人口初始化

在GA中初始化种群的主要方法有两种。他们是-

• 随机初始化-使用完全随机的解决方案填充初始种群。

• 启发式初始化-使用已知的问题启发式填充初始种群。

已经观察到，不应使用试探法来初始化整个总体，因为它可能导致总体具有相似的解且几乎没有多样性。实验已经观察到，随机解是驱使总体达到最优的解。因此，通过启发式初始化，我们仅用几个好的解决方案为总体填充，使用随机解决方案填充其余部分，而不是使用基于启发式的解决方案填充整个总体。

还已经观察到，启发式初始化在某些情况下仅影响总体的初始适应度，但最终，导致最优性的是解决方案的多样性。

人口模型

有两种广泛使用的人口模型-

稳定状态

在稳定状态的遗传算法中，我们在每次迭代中生成一个或两个后代，它们替换总体中的一两个个体。稳态GA也称为“增量GA” 。

世代

在世代模型中，我们生成“ n”个后代，其中n是种群大小，并且在迭代结束时，整个种群被新种群替代。