遗传算法的适应度函数在设计时有什么要求？试举例说明如何构造适应度函数。请仔细说明

适应度函数在设计时应该满足以下几个要求：

1. 明确表达问题的目标：适应度函数应该能够明确表达问题的目标，即在问题的解空间中，哪些解是优秀的、哪些解是不优秀的。

2. 能够度量解的质量：适应度函数应该能够对解进行度量，以便能够比较不同解的质量，从而能够确定哪些解是更优秀的。

3. 可计算性：适应度函数应该是可计算的，即能够通过计算得到解的适应度值。

4. 可调节性：适应度函数应该是可调节的，即能够根据问题的要求进行调整，以便更好地反映问题的特点。

例如，对于一个求解最大化函数的遗传算法，适应度函数可以定义为函数值的负数，即 $f(x)=-g(x)$，其中 $g(x)$ 是待求解的函数。这样定义的适应度函数能够满足以上要求，因为它明确表达了问题的目标（最大化函数值），能够度量解的质量（函数值越大适应度越高），是可计算的，也是可调节的。