遗传算法术语

这健身功能是您想要优化的功能。对于标准优化算法，这被称为目标函数。工具箱软件尝试找到适合度功能的最小值。

将Fitness功能写为文件或匿名功能，并将其传递给主遗传算法功能的函数处理输入参数。

一个个人是您可以应用健身功能的任何一点。个人的健身功能的价值是其分数。例如，如果健身功能是

$F （ X_{1} 那 X_{2} 那 X_{3.} 的） = {（ 2 X_{1} + 1 的）}^{2} + {（ 3. X_{2} + 4. 的）}^{2} + {（ X_{3.} - 2 的）}^{2} 那$

载体（2，-3,1），其长度是问题中的变量的数量，是个体。个人（2，-3,1）的得分是F（2，-3,1）= 51。

个人有时被称为a基因组和个人的矢量条目基因。

一种人口是一系列个人。例如，如果群体的大小为100并且适合函数中的变量数为3，则您将群体代表100×3矩阵。同一个人在人口中可能出现不止一次。例如，单个（2，-3,1）可以出现在阵列的多个行中。

在每次迭代时，遗传算法对当前种群进行一系列计算，以产生新的种群。每一个连续的种群称为一个新的种群一代。

多样性指人口中个体之间的平均距离。如果平均距离大，人口的多样性很高;否则它有低多样性。在下图中，左侧的人口具有很高的多样性，而右侧的人口多样化。

多样性对遗传算法至关重要，因为它使算法能够搜索更大的空间区域。

这健身价值个人是该个人的健身功能的价值。因为工具箱软件找到了健身功能的最小值，所以最好的事物人口的健身价值是人口中任何个人的健康价值。

为了创造下一代，遗传算法选择当前种群中的特定个体，称为父母，并使用它们在下一代中创建个人，称为孩子们。通常，该算法更有可能选择具有更好的健身值的父母。

全局优化工具箱文档