编写一段Python的遗传算法库genetic_algorithm中的GeneticAlgorithm类的带全部关键参数的示范

遗传算法（Genetic Algorithm, GA）是一种模拟自然选择过程的优化搜索算法。在Python的`genetic_algorithm`库中，`GeneticAlgorithm`类通常包含一些核心参数以定义算法的行为。下面是一个基本的示例，展示了如何创建一个`GeneticAlgorithm`实例并配置关键参数：

from genetic_algorithm import GeneticAlgorithm

# 定义问题域的数据类型和大小（这里假设是二进制编码的基因）
domain = list(range(0, 2))  # 例如，这是一个简单的二元编码问题

# 创建GeneticAlgorithm对象
ga = GeneticAlgorithm(
    population_size=100,          # 种群大小
    chromosome_length=len(domain),   # 基因长度
    crossover_probability=0.8,     # 交叉概率
    mutation_probability=0.05,      # 遗传突变概率
    elitism=True,                  # 是否保留最优秀个体
    generations=100,               # 迭代次数
    fitness_function=lambda x: -x,  # 目标函数，这里是求最小值（负向优化）
)

# 开始遗传算法迭代
best_solution = ga.run()

# 输出最佳解和对应的适应度值
print(f"Best solution found: {best_solution}")
print(f"Fitness value: {-ga.fitness(best_solution)}")