【摘要】：适应度函数的设计主要满足以下条件：① 单值、连续、非负、最大化；② 合理、一致性；③ 计算量小；④ 通用性强。在具体应用计算中，根据适应度保留某些候选解而放弃其他候选解，因此适应度函数的设计要结合求解问题本身的要求而定。适应度函数设计直接影响到遗传算法的性能。
依据某些适应性条件测算这些候选群的适应度，也就是计算适应度函数。这个函数是计算个体在群体中被使用的概率，带有较高适应度值的那些个体更可能产生后代（后代产生后也将发生突变）。后代是父母的产物，它们由来自父母的基因结合而成。
进化论中的适应度，是表示某一个体对环境的适应能力，也表示该个体繁殖后代的能力。遗传算法的适应度函数也叫评价函数，是用来判断群体中的个体的优劣程度的指标，它是根据所求问题的目标函数来进行评估的，在搜索寻优中起决定作用。
遗传算法在搜索进化过程中一般不需要其他外部信息，仅用评估函数来评估个体或解的优劣，并作为以后遗传操作的依据，这是遗传算法的特点。由于遗传算法中，适应度函数要比较排序，并在此基础上计算选择概率，所以适应度函数的值要取正值，就是说，将目标函数映射成求最大值形式函数值而非负的适应度函数是必要的。
适应度函数的设计主要满足以下条件：
① 单值、连续、非负、最大化；(https://www.xing528.com)
② 合理、一致性；
③ 计算量小；
④ 通用性强。
在具体应用计算中，根据适应度保留某些候选解而放弃其他候选解，因此适应度函数的设计要结合求解问题本身的要求而定。适应度函数设计直接影响到遗传算法的性能。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
