如果用遗传算法求取目标函数f(x)= -x^2-3 x∈[3.0,6.0]极小值问题，则适应度函数可以取为( )A. f(x)B. 1/f(x)C. -f(x)D. -1/|f(x)|

遗传算法的核心在于通过适应度函数评估个体的优劣，从而进行选择和优化。本题要求极小化目标函数$f(x) = -x^2 - 3x$，但遗传算法默认处理最大化问题。因此，关键思路是将极小化问题转化为最大化问题，通过调整适应度函数实现。

破题关键：

1. 目标函数特性：$f(x)$在区间$[3,6]$内单调递减，极小值出现在$x=6$。
2. 适应度函数设计原则：需确保最大化适应度函数等价于最小化原目标函数。
3. 选项分析：
   • 选项C（$-f(x)$）通过取反，将极小化$f(x)$转化为最大化$-f(x)$，符合遗传算法的需求。

目标函数分析

$f(x) = -x^2 - 3x$是开口向下的抛物线，在区间$[3,6]$内单调递减。其极小值出现在右端点$x=6$，此时$f(6) = -6^2 - 3 \cdot 6 = -54$。

适应度函数设计

遗传算法需最大化适应度函数。若直接使用$f(x)$（选项A），算法会寻找$f(x)$的最大值，与题目要求的极小化矛盾。
正确方法是将目标函数取反，即适应度函数为$-f(x)$（选项C）。此时，原问题的极小值对应适应度函数的最大值，符合遗传算法的优化方向。

选项排除

• 选项B（$1/f(x)$）：$f(x)$为负数，导致适应度函数为负，无法有效区分个体优劣。
• 选项D（$-1/|f(x)|$）：通过绝对值消除了原函数的符号，但倒数关系使适应度函数与原目标函数的极值方向不一致。