optimization - 将决策问题转化为优化问题？（进化算法）

Question

决策问题不适合在进化算法中使用，因为无法优化/进化简单的正确/错误适应度度量。那么，将决策问题转换为优化问题有哪些方法/技术？

例如，我目前正在研究一个问题，即个人的适应度在很大程度上取决于它产生的输出。根据基因的顺序，一个人要么不产生输出，要么产生完美的输出——没有“中间”（因此，没有山可以爬）。个体基因排序的一个微小变化可能会对个体的适应性产生巨大影响，因此使用进化算法本质上相当于随机搜索。

如果您知道的话，一些参考文献会很好。

Answer 1

应用于多重输入和正确答案百分比的检查。

诚然，正确/错误的适应度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正确或错误决策所需的任何输入。所以，你不断地改变算法，并且对于算法的每个变异版本，你将它应用于例如 100 个不同的输入，然后检查其中有多少是正确的。然后，您选择那些给出比其他算法更正确答案的算法。谁知道呢，最终你可能会看到一个能让他们一切都好的。

没有参考文献，我只是想出了它。

Answer 2

那么我认为你必须在你的健身功能上工作。当你说一些个体更接近完美的解决方案时，你能根据他们的基因结构识别出这个解决方案吗？如果你能做到这一点，一个程序也可以做到这一点，所以你不应该根据输出而是根据其结构来评价个人。