遗传算法--适应度尺度变换

遗传算法--适应度尺度变换

       提醒：阅读本文需要对遗传算法有基本的了解！！！

       问题介绍：在遗传算法中，局部收敛和选择操作存在矛盾。没有选择操作的遗传算法运行性能差；而选择操作又容易使遗传算法得到局部最优解。为了解决两者之间的矛盾，提出了适应度尺度变换方法，通过不同的适应度评价标准来影响选择操作。因此，适应度尺度变换对于防止优化过程中过早收敛、陷入局部最优解，能产生明显的效果。

       适应度尺度变换介绍：在算法初期运行中，为了维护种群多样性，可以降低种群个体之间的适应度差异程度；在算法运行后期中，为了保证优秀的个体遗传下去，要提高个体之间的适应度差异程度。针对以上需求，提出了几种适应度尺度变换（Fitness Scaling）的方法：线性尺度变换、乘幂尺度变换和指数尺度变换。

       线性尺度变换：线性尺度变换的公式为, F为原适应度；为线性尺度变换后的新适应度；为变换系数。和的选取直接影响适应度的好坏，所以它们的选取要满足以下两个条件：（1）线性尺度变换后的新适应度的平均值要等于原适应度平均值。（2）线性尺度变换后的最大适应度要等于新的平均适应度的指定倍数。

      乘幂尺度变换：（暂无，以后补充）

 

      指数尺度变换：（暂无，以后补充）