用遗传算法求函数极值

遗传算法是一种模拟自然进化过程的优化算法，可以用于求解函数的极值问题。其基本思想是通过模拟生物进化的过程，通过选择、交叉和变异等操作来搜索最优解。

具体步骤如下：
1. 初始化种群：随机生成一组个体作为初始种群。
2. 评估适应度：计算每个个体的适应度，即目标函数的值。
3. 选择操作：根据适应度大小选择一部分个体作为父代，用于产生下一代。
4. 交叉操作：对选出的父代个体进行交叉操作，生成新的子代个体。
5. 变异操作：对子代个体进行变异操作，引入新的基因变化。
6. 更新种群：将父代和子代合并，更新种群。
7. 重复步骤2-6，直到满足终止条件（如达到最大迭代次数或找到满意的解）。

通过不断迭代和优胜劣汰的过程，遗传算法可以逐渐逼近函数的极值点。