学习：遗传算法 和 python deap包遗传算法的实现

---

一、遗传算法

利用自然界物种遗传的理念，设计的一种最优解搜索算法。遗传算法以一种物种中的所有个体为对象，并利用随机化技术对一个被编码的参数空间进行高效搜索。其中，选择、交叉和变异构成了遗传算法的遗传操作；参数编码、初始群体的设定、适应度函数的设计、遗传操作设计、控制参数设定五个要素组成了遗传算法的核心内容。

一个容易理解的遗传算法例子，作者以背包问题讲解遗传算法。简单例子搞懂遗传算法(genetic algorithm)

算法伪代码：

BEGIN:
        i = 0;           //进化种群代数
        Initialize P(i);    //初始化种群 
        Fitness P(i);     //计算适宜值
        While(not Terminate-Condition) //不满足终止条件时，循环
        {
   
            i ++;              //循环
            GA-Operation P(i);  //交叉、变异操作
            Fitness P(i);        //计算适宜值
       }
 END  //结束算法

算法步骤描述：
初始化：种群规模P，遗