遗传算法模拟生物进化中的遗传与变异过程实现对问题求解，可以用来求解函数的最优解。如对于函数y=（x-2.5）2，在x=2.5时，y的值是0，是最优点。遗传算法通过变异操作求解函数最优的过程为：

①针对给定的一个初值x0，计算y0。

②产生一个随机小数delta，并再产生一个随机整数sign，如果sign是偶数，则x0增加delta，否则x0减少delta，x0值增加或减少后，记录到x1中。

③计算x1的函数值y1，如果y1比y0小，则说明x1比x0优秀，保留它，再转步骤②，通过优化的次数决定最终的结果。

【例4.2.7】 用遗传算法优化求解y=（x-2.5）2的极小值。

程序：遗传算法函数优化

按上面所述逻辑，求解过程的Python代码如下：

运行程序，迭代10次，得到的结果如下所示：(www.daowen.com)

请输入起始值：2.0

第0次迭代，x=2.0 y=0.25

第1次迭代，x=2.0 y=0.25

第2次迭代，x=2.0055347791796505 y=0.244495854600917

……

第7次迭代，x=2.230941146655998 y=0.07239266656278913

可见，随着迭代次数的增加，x逐步向2.5靠近。读者可以将迭代次数增加到1 000次，再运行程序，看是否能找到最优点。