遗传算法求sinx最大值

# -*- coding: utf-8 -*-

import numpy as np
import matplotlib.pyplot as plt

# 适应度函数
def fitness（x）:
    return np.sin（ x）

# 个体类
class indivdual:
    def __init__（self）:
        self.x = 0  # 染色体编码
        self.fitness = 0  # 适应度值

    def __eq__（self other）:
        self.x = other.x
        self.fitness = other.fitness


# 初始化种群
def initPopulation（pop N）:
    for i in range（N）:
        ind = indivdual（）
        ind.x = np.random.uniform（-10 10）
        ind.fitness = fitness（ind.x）
        pop.append（ind）

# 选择过程
def selection（N）:
    # 种群中随机选择2个个体进行变异（这里没有用轮盘赌，直接用的随机选择）
    return np.random.choice（N 2）

# 结合/交叉过程
def crossover（parent1 parent2）:
    child1 child2 = indivdual（） indivdual（）
    child1.x = 0.9 * parent1.x + 0.1 * parent2.x
    child2.x = 0.1 * parent1.x + 0.9 * parent2.x
    child1.fitness = fitness（child1.x）
    child2.fitness = fitness（child2.x）
    return child1 child2


# 变异过程
def mutation（pop）:
    # 种群中随机选择一个进行变异