利用遗传算法求函数最大值（C++）

遗传算法是一种模拟自然选择过程的优化搜索技术，它通过"基因编码"（代表解空间的可能性）、"适应度函数"评估个体优劣、"交叉"和"变异"操作进行种群更新，以寻找全局最优解。在C++中利用遗传算法求函数最大值的一般步骤如下：

1. 初始化：创建一个种群，每个个体是一个可能的解（通常用向量或数组表示），并随机生成初始值。

#include <vector>
std::vector<double> generateIndividual();

2. 定义适应度函数：这通常是目标函数，比如我们要找的最大值函数f(x)。适应度越高，个体越优秀。

double fitnessFunction(const std::vector<double>& individual);

3. 选择操作：从当前种群中按适应度比例选择部分个体进入下一代，可以用轮盘赌法或锦标赛选择法。

4. 交叉操作：对选出的个体进行配对，并应用交叉操作，如单点交叉（crossover）。

std::vector<double> crossover(const std::vector<double>& parent1, const std::vector<double>& parent2);

5. 变异操作：为了引入多样性，对新一代的一部分个体进行随机变异，如改变某个基因的概率。

std::vector<double> mutate(const std::vector<double>& individual, double mutationRate);

6. 重复迭代：直到达到预设的停止条件（例如达到最大迭代次数或找到足够好的解），或者适应度函数收敛。

void geneticAlgorithm();

完整的示例可能看起来像这样：

int main() {
    // 初始化种群大小和其它参数
    int populationSize = 100;
    geneticAlgorithm(populationSize);
    return 0;
}