遗传算法实战：5分钟教你找到函数最大值！（附Python代码保姆级教程）

一、为什么优化问题总让人头大？

大家在工程和科研中是不是经常遇到这样的场景：要在一堆参数里找到最佳组合，但试了梯度下降/穷举法都跪了？（特别是当目标函数长得像心电图的时候！）这时候就该祭出我们今天的主角——遗传算法（Genetic Algorithm）了！

二、遗传算法的神奇之处

这个算法的灵感来自达尔文的进化论（没想到吧！）。想象一下，我们把解空间里的每个解看作一个生物个体，通过"适者生存"的法则，让优秀的解相互"交配"产生后代。经过N代进化后，就能得到近似最优解！

举个栗子🌰：

假设我们要找函数 f(x) = x² 在 [0,31] 的最大值。传统方法要算32次，但用遗传算法可能10代就搞定！

三、手把手实现7大步骤

Step1️⃣ 基因编码（二进制大法好！）

把变量转成二进制串，比如：

• 数字17 → 10001（5位编码）
• 数字5 → 00101

def encode(x, length=5):
    return format(x, '0{}b'.format(length))

Step2️⃣ 初始化种群（随机才有惊喜！）

随机生成初始解，保持多样性是关键！种群太小容易早熟，太大算得慢。经验值：20-100个

import random
population = [random.randint(0,31) for _ in range(20)]

Step3️⃣ 适应度评估（优胜劣汰时刻！）

计算每个个体的适应度（这里直接取函数值）：

fitness = [x**2 for x in population]

Step4️⃣ 选择操作（轮盘赌超有趣！）

按适应度占比选父母，像抽奖转盘：

def selection(population, fitness):
    total = sum(fitness)
    pick = random.uniform(0, total)
    current = 0
    for i in range(len(population)):
        current += fitness[i]
        if current > pick:
            return population[i]

Step5️⃣ 交叉操作（爱情结晶诞生！）

随机选交叉点交换基因片段，这里用单点交叉：

def crossover(parent1, parent2):
    point = random.randint(1,4)
    mask = (1 << point) - 1
    child1 = (parent1 & ~mask) | (parent2 & mask)
    child2 = (parent2 & ~mask) | (parent1 & mask)
    return child1, child2

Step6️⃣ 变异操作（基因突变惊喜！）

以一定概率翻转某个bit位（变异率通常0.001-0.01）：

def mutation(child):
    if random.random() < 0.01:
        bit = 1 << random.randint(0,4)
        return child ^ bit
    return child

Step7️⃣ 迭代进化（见证奇迹的时刻！）

把上述步骤循环起来：

for generation in range(100):
    # 评估适应度
    # 选择父母
    # 交叉变异
    # 生成新种群

四、实战效果大公开！

用下面的参数跑10次：

• 种群大小：20
• 最大代数：50
• 交叉率：0.8
• 变异率：0.01

运行结果示例：

第1代最佳解：27 → 729
第10代最佳解：31 → 961（已达最大值！）

五、调参小贴士（血泪经验！）

1. 种群多样性是王道！如果发现所有个体都一样了（早熟），赶紧：

   • 增大变异率（但别超过0.1！）
   • 改用锦标赛选择法

2. 收敛太慢怎么办？

   • 试试精英保留策略（保留每代最优个体）
   • 调整适应度比例（指数缩放很香！）

3. 二进制编码局限大？试试：

   • 实数编码（适合连续变量）
   • 排列编码（适合TSP问题）

六、高级玩法预告

学会了基础版，还可以尝试：

• 多目标优化（NSGA-II算法）
• 动态环境适应（增加物种多样性）
• 混合算法（GA+神经网络=王炸！）

七、完整代码大放送

# 省略代码部分，完整版见GitHub仓库...

最后说两句

遗传算法最大的魅力就是——你永远不知道下一代会进化出什么神仙解！（就像生命本身的奇迹）赶紧动手试试，说不定能找到意想不到的最优解哦！遇到问题欢迎评论区交流，看到必回～