基本概念

最優(yōu)化問(wèn)題可分為兩類(lèi)，一類(lèi)是求最大值，一類(lèi)是求最小值，這里的最大最小指的是目標(biāo)函數(shù)，當(dāng)然通常也把目標(biāo)函數(shù)叫適應(yīng)度；

而遺傳算法本身是求最大值的，因?yàn)閮?yōu)勝劣汰，得到的是適應(yīng)度最大的個(gè)體；

如果想求最小值，就需要做適應(yīng)度函數(shù)變換；

如果目標(biāo)函數(shù)之間差別很小，個(gè)體被選擇的概率也就相差不大，這樣算法的選擇功能將被大大弱化，此時(shí)也可作適應(yīng)度函數(shù)變換；

如果有其他需求，或者個(gè)性化設(shè)計(jì)，也需要適應(yīng)度函數(shù)變換；

---

適應(yīng)度函數(shù)變換也叫 標(biāo)定

適應(yīng)度（目標(biāo)函數(shù)）的設(shè)計(jì) 和 適應(yīng)度函數(shù)變換 是 兩碼事

函數(shù)設(shè)計(jì)的基本思想

適應(yīng)度函數(shù)(目標(biāo)函數(shù))

目標(biāo)函數(shù)的設(shè)計(jì)主要是結(jié)合業(yè)務(wù)，可分為單目標(biāo)和多目標(biāo)

設(shè)計(jì)不當(dāng)有可能出現(xiàn)欺騙問(wèn)題：

（1）進(jìn)化初期，個(gè)別超常個(gè)體控制選擇過(guò)程；

（2）進(jìn)化末期，個(gè)體差異太小導(dǎo)致陷入局部極值 ；

適應(yīng)度函數(shù)變換

1. 適應(yīng)度不能既有正又有負(fù)，這樣算概率時(shí)沒(méi)法算，為了方便計(jì)算，一般保證適應(yīng)度全為正；

2. 適應(yīng)度一般不為 0，因?yàn)?0 的概率為 0，永遠(yuǎn)不會(huì)被選擇，沒(méi)有意義；

3. 適應(yīng)度函數(shù)變換的核心就是為了使得 適應(yīng)度高的個(gè)體更容易被選擇；

標(biāo)定方法

方法很多，這里做個(gè)總結(jié)

線(xiàn)性變換

max：減去最小值的目的，一是防止出現(xiàn)負(fù)數(shù)，二是增加相對(duì)差別；

min：目標(biāo)函數(shù)加負(fù)號(hào)，即取最小，最大值減去目標(biāo)函數(shù)也是防止出現(xiàn)負(fù)數(shù)；

加上 ξ 是為了避免出現(xiàn) 0；

動(dòng)態(tài)線(xiàn)性變換

把線(xiàn)性標(biāo)定中 ξ改成了ξ的k次方，希望開(kāi)始的時(shí)候，大家都有機(jī)會(huì)，而越到后面，越要保留優(yōu)秀的個(gè)體

---

下面這張圖挺不錯(cuò)的，雖然內(nèi)容有重復(fù)，也貼上來(lái)

M 就是一個(gè)初始值，可為 1， 也可不為 1，ξ^k€ [0, 1]

其他標(biāo)定

以下方法不太常用，包括 冪律標(biāo)定、對(duì)數(shù)標(biāo)定、指數(shù)變換、窗口技術(shù)、正規(guī)化技術(shù)、

參考資料：

https://blog.csdn.net/qcyfred/article/details/76731706　　遺傳算法（2）：對(duì)適應(yīng)度函數(shù)的改進(jìn)

總結(jié)

以上是生活随笔為你收集整理的遗传算法-目标函数与适应度函数变换的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。