1.一种利用遗传算法优化反应过渡态的方法，其特征在于，所述方法包括：

(1)输入反应物的分子式，通过RDKit将分子式转化为结构式并输出对应的.mol文件；

(2)利用Multiwfn将步骤(1)得到的.mol文件转化为.gjf文件；

(3)将.gjf文件中的目标原子的坐标设为变量，同时，设定坐标变量的范围，并随机生成多组目标原子坐标的初值；

(4)输入目标原子坐标变量的初值，利用基组算法进行计算，计算得到.out文件，进行判断：当结果非正常结束，则删除结果并代入其他初值进行迭代计算；当结果为正常结束，但是频率计算结果中无虚频或者有超过一个虚频，则删除结果并代入其他初值进行迭代计算；当结果为正常结束，且频率计算结果中有且只有一个虚频，则将.out文件通过文件的读写方式写入并计算该.out文件中对应的过渡态所对应的反应路径，之后代入其他初值进行迭代计算；

(5)初值迭代完成后，整理步骤(4)计算得到的符合条件的初值，并利用遗传算法自动变异和交叉组合得到新的初值，重复步骤(4)和(5)，直至将符合条件的初值计算完毕；

(6)迭代完成后，整理所有计算得到的过渡态及其对应的反应路径，根据反应产物来判断和确定符合条件的过渡态。

2.根据权利要求1所述的一种利用遗传算法优化反应过渡态的方法，其特征在于，步骤(4)中所述基组算法包括半经验法、从头算法、密度泛函方法、MPn方法中的任一种。

3.根据权利要求1或2所述的一种利用遗传算法优化反应过渡态的方法，其特征在于，步骤(4)中所述基组算法为密度泛函方法。

4.根据权利要求1所述的一种利用遗传算法优化反应过渡态的方法，其特征在于，步骤(5)中所述遗传算法自动变异、交叉组合得到新的初值，即通过设定交叉率和变异率的参数值，然后利用遗传算法对符合条件的初值进行变异交叉组合，得到新的初值。

5.根据权利要求4所述的一种利用遗传算法优化反应过渡态的方法，其特征在于，所述交叉率为0.6～1。

6.根据权利要求5所述的一种利用遗传算法优化反应过渡态的方法，所述交叉率为0.8。

7.根据权利要求4所述的一种利用遗传算法优化反应过渡态的方法，其特征在于，所述变异率小于0.1。

8.根据权利要求7所述的一种利用遗传算法优化反应过渡态的方法，其特征在于，所述变异率为0.003。

9.根据权利要求1所述的一种利用遗传算法优化反应过渡态的方法，其特征在于，步骤(4)中，当满足条件后，将.out文件中的能量值与之前.out文件中的能量值进行比对，当其与之前的能量值差值在±0.00002Hatree范围之内时，则将此次获得的能量值进行删除。

10.权利要求1～9任一所述的一种利用遗传算法优化反应过渡态的方法在计算化学领域中的应用。