遺伝的アルゴリズムの用語

適応度関数 は最適化する関数です。標準的な最適化アルゴリズムでは、これは目的関数と呼ばれます。ツールボックスソフトウェアは、適応度関数の最小値を見つけようとします。

適応度関数をファイルまたは匿名関数として記述し、関数ハンドルの入力引数としてメインの遺伝的アルゴリズム関数に渡します。

個体とは、適応度関数を適用できる任意のポイントです。個体の適応度関数の値は、そのスコアです。例えば、適応度関数が

$f (x_{1}, x_{2}, x_{3}) = {(2 x_{1} + 1)}^{2} + {(3 x_{2} + 4)}^{2} + {(x_{3} - 2)}^{2},$

問題に含まれる変数の数と同じ長さのベクトル (2, -3, 1) は、個体です。個体(2, –3, 1)のスコアはf(2, –3, 1) = 51です。

個体は ゲノム と呼ばれ、個体のベクトルエントリは 遺伝子 と呼ばれることもあります。

母集団は個体の配列です。たとえば、母集団のサイズが 100 で、適応度関数の変数の数が 3 の場合、母集団は 100 行 3 列の行列で表されます。同じ個体が母集団内に複数回出現することがあります。たとえば、(2, -3, 1)個体は配列の複数の行に現れることがあります。

各反復において、遺伝的アルゴリズムは現在の母集団に対して一連の計算を実行し、新しい母集団を生成します。それぞれの連続した母集団は新しい世代と呼ばれます。

多様性とは、母集団内の個体間の平均距離を指します。平均距離が大きい場合、母集団の多様性は高くなります。そうでない場合、多様性は低くなります。次の図では、左側の母集団は多様性が高く、右側の母集団は多様性が低いことがわかります。

多様性は遺伝的アルゴリズムにとって不可欠です。多様性により、アルゴリズムは空間のより広い領域を探索できるようになります。

個体の 適応度値 とは、その個体の適応度関数の値です。ツールボックスソフトウェアは適応度関数の最小値を見つけるため、母集団の最良適応度値は、母集団内の任意の個体の最小の適応度値になります。

次の世代を作成するために、遺伝的アルゴリズムは現在の母集団内の特定の個体（親）を選択し、それを使用して次の世代の個体（子）を作成します。通常、アルゴリズムはより良い適応度値を持つ親を選択する可能性が高くなります。

参考