体（population）；然后依据环境特征（优化问题特征）评定各个体的优劣（其适应度（fitness）来定义）；对适应度较差的个体进行淘汰，选取适应度好的个体（类比生物选择），在其上进行杂交，变异等操作形成新的群体；最后再进入下一轮遗传进化，上述过程不断迭代，直到群体满足了某条件，此时出现了满足要求的优化解。
对于计算机问题而言，一般要将问题的解进行编码，编码成二进制字符串，杂交和变异就在这些字符串上进行。
遗传算法可以很好解决很多的优化问题。 (2) 课程设计目的 体会遗传算法思想，能够设计并编写遗传算法的相关操作函数，并能够应用遗传算法求解具体问题。
(3) 基本要求
① 编写遗传算法的基本操作函数，包括选择，变异，交叉等。 ② 应用遗传算法实现求解如下函数的极值 f(x)=x*sin(10*π*x)+1.0 x∈[-1,2]
③ 结果精度要求在小数点后六位。 ④ 给出算法效率分析的实验结果。 (4) 实现提示
根据精度要求确定个体的二进制编码位数，同时要确定该编码和[-1,2]间数的换算规则，由于是求最大值的问题，所以适应度函数就可选为f(x)，值越大的个体适应度越好。关于交叉和变异的方法参阅相关资料。