我需要为正值 0→∞ 创建一个归一化的适应度函数。我想进行实验，从（输入→输出）开始，例如 0→0、1→1、∞→0。我的数学有点弱，如果你不知道的话，这真的不难。
因此，函数的输出应该严重偏向 0，我需要能够更改产生最大输出 1 的输入值。
我可以制作一个线性函数，类似于三角分布，但是我需要设置一个最大值，在该最大值处输入可以被区分（在该值之上，一切看起来都一样。）我还可以将两个简单的表达式与类似的东西合并在一起：
from matplotlib import pyplot as plt
import numpy as np
from math import exp
def frankenfunc(x, mu):
longtail = lambda x, mu: 1 / exp((x - mu))
shortail = lambda x, mu: pow(x / mu, 2)
if x < mu:
return shortail(x, mu)
else:
return longtail(x, mu)
x = np.linspace(0, 10, 300)
y = [frankenfunc(i, 1) for i in x]
plt.plot(x, y)
plt.show()
这没关系，应该可以工作，特别是因为它返回的实际值并不重要，因为它们将用于二元锦标赛。仍然很难看，如果可能的话，我希望灵活地使用 scipy 或类似的统计分布。