遗传算法目标函数、适应度函数与遗传算法工具箱简介.pdf

一、目标与适应函数的简单对比 目标函数就是你希望得到的优化结果，比如函数最大值或者最小值。而适应度函数是为了计算个体的适配值。 适配值是非负的，而且要求适配值越大则该个体越优越。而目标函数则有正有负，它们之间关系多种多样，比如求最小值时，目标函数最小，则适配值越大，求最大值时目标值越大，适配值越大。 目标函数Object function和适应度函数Fitness function是不一样的概念，有时为了方便后续计算在适应度函数中做些 拉伸，取反，什么的。 目标函数是你求解的优化变量的函数形式；而适应度函数是你求解的优化变量的一种度量，是一种更为广义的概念。可以这么理解，目标函数只是适应度函数的一种，也可以有其他的表达形式。 对于目标函数，为了得到好的搜索性能，经过一些变化就可以得到适应度函数。另外就是这些变化可以不唯一的。 二、适应度函数 适应度函数跟 想要实现什么功能有关，把粒子对应成你问题的候选解，适应度函数用来评价给出的这个候选解（粒子）的好坏（好坏的评价标准需要一个量化指标，也就是，粒子的适应度值） 适应度用于评价个体的优劣程度，适应度越大个体越好，反之适应度越小则个体越差;根据适应度的大小对个体进行选择，以保证适应性能好的个体有更多的机会繁殖后代，使优良特性得以遗传。因此，遗传算法要求适应度函数值必须是非负数，而在许多实际问题中，求解的目标通常是费用最小，而不是效益最大，因此需要将求最小的目标根据适应度函数非负原则转换为求最大目标的形式