适应度函数在遗传算法中的作用是什么？试举例说明如何构造适应度函数。

适应度函数在遗传算法中的作用是用来评估每个个体的适应程度，即将染色体转化为数值评价，以便进行适应度选择和交叉变异操作。

构造适应度函数的方法因问题而异，但通常包含问题的目标函数和约束条件。例如，在求解一个优化问题中，适应度函数可以是目标函数的负值，因为遗传算法是寻找最大化适应度的个体。如果问题还有一些约束条件，则可以使用惩罚函数的方式将不符合条件的个体的适应度设为较低值，从而确保遗传算法能够搜索到符合条件的解。

举一个简单的例子，假设我们要寻找一个整数解，这个解的绝对值要小于等于100，且能够使一个某个多项式函数的值最小。那么可以构造以下适应度函数：

- 对于每个个体，先将其转化为一个整数解。
- 如果该整数解的绝对值大于100，将其适应度设为0。
- 否则，将该整数解代入多项式函数中，得到函数值，将函数值设为该个体的适应度。

这样，遗传算法就可以搜索到符合要求的整数解，且能够使多项式函数的值最小。