To jest trudna część GA (dobrze, że i reprezentacja danych) i naprawdę można się tylko uczyć przez doświadczenie.
Stwierdzając oczywiste, funkcja musi być coś, co mierzy, jak dobre są wyniki. W szczególności musi być płynny w szerokim zakresie danych - niezależnie od danych, funkcja fitness musi wskazywać właściwą drogę do poprawy.
Tak więc, na przykład, funkcja fitness, która wynosi zero, chyba że odpowiedź jest właściwa, nie jest dobra, ponieważ nie pomaga zbliżyć się do właściwej odpowiedzi, gdy zaczynasz.
Funkcja fitness, która zwiększa się, gdy rzeczy się poprawiają, ale nie identyfikuje najlepszego rozwiązania, również nie jest zbyt dobra, ponieważ populacja poprawi się do pewnego poziomu, a następnie utknie.
Musisz usiąść, napisać kilka przykładów swoich danych, a następnie zastanów się, z której funkcji możesz skorzystać. Potrzebujesz czegoś, co daje niskie wartości dla złych danych i wysokie wartości dla dobrych danych. I to ładnie się między nimi dopasowuje.
Wypróbuj każdy szalony pomysł, jaki możesz wymyślić, a następnie zobacz, jak możesz umieścić to w miłej matematycznej formie. Po prostu burz mózgów, próbuj dalej i powtarzaj ...prawdopodobnie okaże się, że Twój pierwszy wybór nie jest tak dobry, a gdy uruchomisz GA, będziesz w stanie spojrzeć na to, co dzieje się bardziej szczegółowo i poprawić go.
To sprawia, że myślę, że moglibyśmy prawdopodobnie określić funkcję fitness, aby sprawdzić, jak dobrze funkcjonuje fitness! – weltschmerz