JGAP 是一款用Java编写的遗传算法包，由sourceforce上开发而来。它提供了基本的遗传算法，你可以使用它来解决一些适合用遗传算法解决的问题。而且它给出了很多例子程序，可用于我们一些遗传算法的测试工作。由于它来自于开源组织sourceforce，所以开源的遗传功能将是研究简单遗传算法很好工具。

使用JGAP,需要我们自己编写的部分是

1 创建默认的Configuration对象。用这个对象设置后面一系列的参数。

代码如下：

Configuration conf = new DefaultConfiguration

2：设置适应度函数。(FitnessFunction)

按照不同的问题的需要编写不同的适应度函数。自己编写的适应度函数需要继承

org.jgap.FitnessFunction

代码如下：

//BusFitnessFunction 是自己编写的适应度函数

FitnessFunction myFunc = new BusFitnessFunction

conf.setFitnessFunction(myFunc)

3：构建基因(Gene)

开源包已经定义了Gene这个接口，只需我们设定基因的长度，以及基因的具体类型，比如是整数，还是实数。

如下面的代码：

Gene[] sampleGenes = new Gene[24];//基因长度24

for (int i = 0; i < sampleGenes.length; i++)

sampleGenes[i] = new IntegerGene(conf, 5, 20)

每个基因位是整数，取值范围为最小为5，最大为20

4：构建染色体(Chromosome)

用上面的基因构成染色体

IChromosome sampleChromosome = new Chromosome(conf, sampleGenes)

conf.setSampleChromosome(sampleChromosome)

5：定义种群（Population）的大小

也就是染色体的个数

代码如下：

conf.setPopulationSize(100)染色体的个数为100

6：初始化种群

随机初始化种群。

代码如下：

Genotype population

population = Genotype.randomInitialGenotype(conf)

7种群开始进化

由于不知道具体进化终止的条件，所以就让种群进化最大次数后终止。

如果种群中存在相同的染色体，那么就重新进化。

代码如下：

for (int i = 0; i < MAX_ALLOWED_EVOLUTIONS; i++)

if (!uniqueChromosomes(population.getPopulation()))

throw new RuntimeException("Invalid state in generation " + i)

population.evolve

8打印输出最终的最佳染色体

代码如下

Chromosome bestSolutionSoFar = population.getFittestChromosome

System.out.println("The best solution has a fitness value of "

+ bestSolutionSoFar.getFitnessValue

System.out.println("It contained the following