求解二元函数的最大值-遗传算法

为了更好的理解遗传算法的运算过程，下面用手工的计算间的模拟遗传算法的各个主要的执行步骤：

例、求下述二元函数的最大值：

max f(x1,x2) = x1^2+x2^2;

（1）个体编码：遗传算法的运算对象是表示个体的符号串，所以必须把变量x1，x2编码位一种符号串。本题中，用无符号二进制整数来表示。

　　因x1，x2为0-7之间的正数，所以分别用3位无符号二进制整数来表示，将他们连接在一起所组成的6位无符号二进制数就形成了个体的基因型，表示一个可行解。

例如：基因型X = 101110所对应的变现性就是x = 【5，6】；个体的表现型和基因型之间可通过编码和解码相互转换。

（2）初始群体的产生：遗传算法是对群体进行的进化操作，需要给其准备一些表示起始搜索点的初始群体数据。本例中，群体规模的大小为4，就是群体有4个个体组成，每个个体可通过随机方法产生。

（3）适应度计算：

　　遗传算法中以个体适应度的大小来评定各个个体的优劣程度，从而决定其遗传机会的大小。

本例中，目标函数总取非负值，并且是以求函数最大值为优化目标，顾客直接利用目标函数作为个体的适应度。

（4）选择运算。

　　选择运算（复制运算）把当前群体中适应度较高的个体按照某种规则或模型遗传到下一代群体中。一般要求适应度较高的个体将有更多的机会遗传到下一代。

本例中，我们擦用于