final pop

 final_pop = ea.evolve(generator=generate_, #Função que gera a população
                          evaluator=evaluate_, #Função que avalia as soluções
                          pop_size=1000, #Tamanho da população
                          maximize=True, #True:Max,False:min
                          bounder=ec.Bounder(0, 800), #Limites minimos  e maximos dos genes
                          max_generations=10000, #maximo de gerações
                          num_inputs=2, #numeros de genes no cromossomo
                          crossover_rate=1.0, #taxa cruzamento
                          num_crossover_points = 1,# numero de cortes do cruzamentp
                          mutation_rate=0.25, #taxa mutação
                          num_elites=1, #numero de individuos elites a serem
                          #selecionados para a póxima população
                          num_selected=2, #Numero de individuos
                          tournament_size=2,#tamanho torneio
                          statistcs_fize=open("statistics.csv", "w"), # arquivo
                          individuals_file=open("individuals.csv", "w")
                          )

    final_pop.sort(reverse=True)
    print(final_pop[0])

    perform_fitness(final_pop[0].candidate[0], final_pop[0].candidate[1])
    solution_evaluation(final_pop[0].candidate[0], final_pop[0].candidate[1])