遗传算法求解函数最小值问题

遗传算法求解函数最小值问题

继上一次用遗传算法求解TSP问题问题以后，万万没有想到，实验的时候，老师居然改了题目，改成了求解函数的最小值问题（有点坑哈），而且要求结果尽量的稳定，可以确定得到最小值，并且，精度尽可能的高……虽然有点坑，不过老师还是简单的说明了一下基本的思路，思路和上一次没有太大的变化，唯一的难点就是怎样尽可能的提高解的精度。
不管怎样，终究在实验课的时候解决了这个问题，唯一的问题就是进度最多10的负六次方，老师说他的精度可以达到10的负几百次方（膜拜……）。
思路不变，选择用轮盘赌，变异要稍微变一下，具体会在下面讲解，废话少说，进入正题。.

问题描述：

设计高效遗传算法，求解下列函数在-5<=x1,x2<=5上的最小值：
在正式的开始求解之前，老师先将函数的图片展示了出来，如下图所示：
并且公布结果，在（0,0）的位置取得最小值0。
在这个结果的基础上，我们开始试验。

代码编写：

首先是个体的类代码：

class problem1_individual(object):
    def __init__(self, n1, n2):
        self.gene = [n1, n2]
        self.score = 0
    pass

接着轮盘赌选择的代码，和上一次没有多少变化，同样是采用倒数的方式来作为个体的适配值，因为事先知道结果的最小值为0，所以采用倒数的方式很好，因为越接近0，倒数越大，被选中的概率就越大。
代