优化算法中常用的有两个终止条件,即最大适应度评估(maximum fitness evalutions)和最大迭代次数,这两个终止条件的关系可以大致写为:
最大适应度评估=最大迭代次数*种群数;
但由于很多算法每次产生的种群并不是固定的,可能通过变异等操作产生了新的种群,那么这时候这个新种群也要进行适应度评估,即计算适应度值。
那么根据这种算法,很简单的理解适应度评估次数与迭代次数的关系就是,在一次迭代过程中,只要计算了一次适应度值,即调用了一次适应度函数,那么即评估了一次
优化算法中常用的有两个终止条件,即最大适应度评估(maximum fitness evalutions)和最大迭代次数,这两个终止条件的关系可以大致写为:
最大适应度评估=最大迭代次数*种群数;
但由于很多算法每次产生的种群并不是固定的,可能通过变异等操作产生了新的种群,那么这时候这个新种群也要进行适应度评估,即计算适应度值。
那么根据这种算法,很简单的理解适应度评估次数与迭代次数的关系就是,在一次迭代过程中,只要计算了一次适应度值,即调用了一次适应度函数,那么即评估了一次