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