Python遗传算法求一元函数最大值

前言

最近接触遗传算法，参考了众多例子，有些又不尽然对，所以自己边理解边修改，然后写出了下面这堆传说中的屎山。。。
PS1：遗传算法原理啥的太多了，就不赘述了，CSDN里面很多帖子都讲得很透彻了；
PS2：要看简洁的，直接油管搜遗传算法，看莫烦的视频。

代码

不废话了，赶紧上车，啊不，上代码。

import math
import numpy as np
import matplotlib.pyplot as plt
import random


class GA(object):
    # 目标求解2*sin(x)+cos(x)最大值
    def __init__(self, population_size, chromosome_length, pm):
        self.population_size = population_size
        self.chromosome_length = chromosome_length
        self.pm = pm

    # 初始化种群
    def species_origin(self):  # 生成染色体和基因
        population = [[]]  # 二维列表，包含染色体和基因
        for i in range(self.population_size):
            temporary = []  # 染色体寄存器
            for j in range(self.chromosome_length):
                temporary.append(random.randint(0, 1))  # 生成基因，二进制
            population.append(temporary)  # 将基因添加到染色体中
        return population[1:]  # 返回种群，包含染色体和基因

    # 种群解码，用于适应度判断
    def translation(self, population):  # 二进制转十进制
        chromosome_d_list = []  # 创建染色体十进制列表
        for i in range(len(population)):
            chromosome_value_d = 0
            for j in range(len(population[0])):
                chromosome_value_d += population[i][j] * (math.pow(2, len(population[0])-j-1))  
            chromosome_d_list.append(chromosome_value_d)  
        return chromosome_d_list

    # 适应度计算
    def function(self, population, lower_bound, upper_bound):
        all_fitness_list = []  # 创建所有染色体适应度列表
        fv_list = self.translation(population)
        for i in range(len(fv_list)):
            x = lower_bound + fv_list[i] * (upper_bound - lower_bound)/(math