Функция соответствия является функцией, которую вы хотите оптимизировать. Для стандартных алгоритмов оптимизации это известно как целевая функция. Программное обеспечение тулбокса пытается найти минимум функции соответствия.
Запишите функцию соответствия как файл или анонимную функцию и передайте ее как входной параметр указателя на функцию в главную функцию генетического алгоритма.
Индивидуум - это любая точка, к которой можно применить функцию фитнеса. Значение функции соответствия для индивидуума является ее счетом. Для примера, если функция соответствия
вектор (2, -3, 1), чья длина является количеством переменных в задаче, является индивидуумом. Счет индивидуума (2, -3, 1) f (2, -3, 1) = 51 .
Индивидуума иногда называют геномом, а векторные записи индивидуума - генами.
Население представляет собой массив индивидуумов. Например, если размер населения равен 100, а количество переменных в функции соответствия равно 3, вы представляете население с помощью матрицы 100 на 3. Один и тот же индивидуум может появиться в населении не раз. Например, индивидуум (2, -3, 1) может появиться более чем в одной строке массива.
При каждой итерации генетический алгоритм выполняет ряд расчетов текущего населения, чтобы создать новое население. Каждое последующее население называется новой генерацией.
Разнообразие относится к среднему расстоянию между индивидуумами в населении. Население имеет высокое разнообразие, если среднее расстояние велико; в противном случае он имеет низкое разнообразие. На следующем рисунке население слева имеет высокое разнообразие, в то время как население справа имеет низкое разнообразие.
Разнообразие важно для генетического алгоритма, потому что это позволяет алгоритму искать большую область пространства.
Значение соответствия индивидуума является значением функции соответствия для этого индивидуума. Поскольку программное обеспечение тулбокса находит минимум функции соответствия, лучшим значением соответствия для населения является наименьшее значение соответствия для любого индивидуума в населении.
Чтобы создать следующую генерацию, генетический алгоритм выбирает определенные индивидуумов в текущем населении, называемых родительскими элементами, и использует их для создания индивидуумов в следующей генерации, называемых детьми. Как правило, алгоритм с большей вероятностью выбирает родительские элементы, которые имеют лучшие значения соответствия.
