Функция фитнеса - это функция, которую требуется оптимизировать. Для стандартных алгоритмов оптимизации это называется целевой функцией. Программное обеспечение панели инструментов пытается найти минимум функции фитнеса.
Запишите функцию пригодности как файл или анонимную функцию и передайте ее как входной аргумент дескриптора функции в функцию основного генетического алгоритма.
Индивидуум - это любая точка, к которой можно применить функцию фитнеса. Значение фитнес-функции для человека является его оценка. Например, если функция фитнеса
4) 2 + (x3 − 2) 2,
вектор (2, -3, 1), длина которого является числом переменных в задаче, является индивидуальным. Оценка индивидуума (2, -3, 1) f (2, -3, 1) = 51 .
Индивидуум иногда называют геномом, а векторные элементы индивидуума - генами.
Популяция - это совокупность индивидуумов. Например, если размер совокупности равен 100, а число переменных в функции фитнеса равно 3, вы представляете совокупность по матрице 100 на 3. Один и тот же индивидуум может появляться в популяции более одного раза. Например, отдельный объект (2, -3, 1) может отображаться в нескольких строках массива.
На каждой итерации генетический алгоритм выполняет ряд вычислений по текущей популяции для получения новой популяции. Каждая последовательная популяция называется новым поколением.
Под разнообразием понимается среднее расстояние между отдельными лицами в популяции. Население имеет большое разнообразие, если среднее расстояние велико; в противном случае он имеет низкое разнообразие. На следующем рисунке население слева характеризуется высоким разнообразием, а население справа -- низким.
Разнообразие важно для генетического алгоритма, поскольку оно позволяет алгоритму искать большую область пространства.
Значение пригодности индивидуума является значением функции пригодности для этого индивидуума. Поскольку программное обеспечение набора инструментов находит минимум функции фитнеса, лучшим значением фитнеса для популяции является наименьшее значение фитнеса для любого человека в популяции.
Для создания следующего поколения генетический алгоритм выбирает определённых особей в текущей популяции, называемых родителями, и использует их для создания особей в следующем поколении, называемых детьми. Как правило, алгоритм с большей вероятностью выбирает родителей, которые имеют лучшие значения фитнеса.