别再死磕数学公式了！用Python的DEAP库5分钟上手遗传算法（附实战代码）

用Python的DEAP库5分钟实现遗传算法：零基础实战指南

遗传算法作为模拟自然进化过程的智能优化方法，在机器学习、工程设计和游戏AI等领域有着广泛应用。但传统教材往往陷入复杂的数学推导，让初学者望而生畏。本文将带你用Python的DEAP库快速构建第一个遗传算法模型，无需深入理论就能解决实际问题。

1. 环境准备与DEAP库安装

在开始之前，我们需要配置好Python环境并安装必要的库。DEAP(Distributed Evolutionary Algorithms in Python)是专门为进化计算设计的强大框架，支持遗传算法、遗传编程等多种进化计算技术。

pip install deap numpy matplotlib

安装完成后，可以通过以下命令验证是否安装成功：

import deap
print(deap.__version__)

提示：建议使用Python 3.7或更高版本，某些旧版本可能会出现兼容性问题。如果遇到安装问题，可以尝试先升级pip工具。

2. 定义优化问题

让我们从一个经典问题开始：寻找函数f(x) = x²在区间[0,31]上的最大值。虽然这个问题很简单，但它能清晰展示遗传算法的核心机制。

首先，我们需要定义个体编码方式。对于这个整数优化问题，我们可以使用二进制编码：

from deap import base, creator, tools
import random

# 定义适应度函数
creator.create("FitnessMax", base.Fitness, weights=(1.0,))
creator.create("Individual", list, fitness=creator.FitnessMax)

toolbox = ba