密码破解遗传算法：初始化函数

def __init__(self, cross_rate, mutation_rate, n_population, n_iterations, password):
    self.cross_rate = cross_rate  # 交叉概率
    self.mutate_rate = mutation_rate  # 变异概率
    self.n_population = n_population  # 种群数量
    self.n_iterations = n_iterations  # 迭代次数
    self.password = password  # 要破解的密码
    self.password_size = len(self.password)  # 要破解密码的长度
    self.password_ascii = np.fromstring(self.password, dtype=np.uint8)  # 将password转换成ASCII码
    self.ascii_bounder = [32, 126+1]  # ASCII码边界，用于生成随机种群

该函数定义了遗传算法的几个关键参数：

• cross_rate: 交叉概率，表示两个个体进行交叉的概率
• mutation_rate: 变异概率，表示单个个体发生变异的概率
• n_population: 种群数量，即算法中包含的个体数量
• n_iterations: 迭代次数，表示算法执行的循环次数
• password: 要破解的密码

同时，该函数还初始化了一些密码相关的属性，例如：

• password_size: 要破解密码的长度
• password_ascii: 将密码转换成 ASCII 码，用于遗传算法的计算
• ascii_bounder: ASCII 码边界，用于生成随机种群，确保生成的个体字符在可打印字符范围内

这些参数和属性将在后续的遗传算法运行过程中被使用，以实现密码破解的目标。