python实现高效的遗传算法

假设你有一个变量x，通过某个函数可以求出对应的y，那么你通过预设的x可求出y_pred，y_pred差距与你需要的y当然越接近越好，这就需要引入适应度的概念。假设fitness = 1/,那么误差越小，适应度越大，即该个体越易于存活。n是二进制需要表示的最大，可以反解出二进制位数 。即code：将x1，x2...化为二进制，decode：在交叉变异后重新得到十进制数，用于计算fitness。交叉后变异函数编写都很简单，random一个point，指定两个x在point位置进行切片交换即是交叉。变异也是random一个point，让其值0变为1,1变为0。得到交叉变异后的个体，需要计算fitness进行种群淘汰，保留fitness最高的一部分种群。不说了，上代码：上面的计算适应度函数需要自己更具实际情况调整。