决策问题不适合用于进化算法，因为无法优化/演化简单的正确/错误适应度量。那么，将决策问题转换为优化问题的方法/技术是什么？
例如，我目前正在研究一个问题，即个人的适应性在很大程度上取决于它产生的输出。根据基因的排序，个体要么不产生输出，要么产生完美的输出 - 没有“介于两者之间”（因此，没有爬山）。个体基因排序的一个小变化会对个体的适应性产生巨大影响，因此使用进化算法基本上等于随机搜索。
如果您知道任何文献，那么一些参考文献会很好。
答案 0 :(得分：1)
应用于多个输入并检查正确答案的百分比。
确实，正确/错误的适应度量不能朝着更正确的方向发展，但是算法仍然可以将可变函数应用于产生决策的任何输入，这些决策是对还是错。所以，你继续改变算法，并且对于算法的每个变异版本，你将它应用于100个不同的输入，并检查它们中有多少是正确的。然后，您选择那些提供比其他答案更正确答案的算法。谁知道，最终你可能会看到一个让他们一切正常。
没有参考文献，我只想出来。
答案 1 :(得分：0)
我认为你必须努力锻炼身体。 当你说某些个人更接近一个完美的解决方案时，你能否根据他们的遗传结构确定这些解决方案？ 如果你能做到这一点，程序也可以这样做，因此你不应该根据输出而是根据其结构对个人进行评级。