遗传算法术语- MATLAB & Simulink - MathWorks한국万博1manbetx - 万博1manbetx,s manbetx 845,万博尤文图斯

遗传算法术语

的适应度函数是你要优化的函数。对于标准优化算法，这被称为目标函数。工具箱软件试图找到适应度函数的最小值。

将适应度函数编写为文件或匿名函数，并将其作为函数句柄输入参数传递给主遗传算法函数。

一个个人是任何可以应用适应度函数的点。个体的适应度函数值就是它的分数。例如，如果适应度函数为

$f （ x_{1} ， x_{2} ， x_{3.} ）＝ {（ 2 x_{1} + 1 ）}^{2} + {（ 3. x_{2} + 4 ）}^{2} + {（ x_{3.} - 2 ）}^{2} ，$

向量(2,3,1)的长度是问题中变量的数量，它是一个个体。个人分数(2，-3,1)为f(2， - 3,1) = 51．

个人有时被称为基因组一个个体的向量为基因．

一个人口是个体的数组。例如，如果总体的大小为100，适应度函数中的变量数量为3，则用100 × 3矩阵表示总体。同一个体可以在种群中出现不止一次。例如，个体(2，-3,1)可以出现在数组的多行中。

在每次迭代中，遗传算法对当前种群进行一系列计算，以产生新的种群。每个连续的种群称为新种群一代．

多样性指种群中个体之间的平均距离。平均距离较大的群体具有较高的多样性;否则，它的多样性很低。下图中，左边的种群多样性较高，而右边的种群多样性较低。

多样性对遗传算法至关重要，因为它使算法能够搜索更大的空间区域。

的健身价值是个体的适应度函数的值。因为工具箱软件找到适应度函数的最小值，所以最好的种群的适应度值是种群中任何个体的最小适应度值。

为了创建下一代，遗传算法在当前种群中选择特定的个体，称为父母，并利用它们在下一代中创造个体，称为孩子们．通常，算法更有可能选择适合度值更好的亲本。