Java Jenetics中约束的定义

我以前曾与了解约束概念的。也就是说，问题的解决方案可能具有良好的适应性，但不可行。例如，使用背包时，物品的特定组合可能会带来高额利润，但它们的重量超过背包的容量。相应的适应度函数将包括以下行：

// Set the fitness (=> profit) of the solution (=> knapsack).
solution.setObjective(0, profit)
// Set the constrain (=> 0.0 if OK, , otherwise the distance to the boundary).
solution.setConstraint(0, (weight <= capacity) ? 0.0 : weight - capacity)

//设置解决方案（=>背包）的适合度（=>利润）。
解决方案。设置目标（0，利润）
//设置约束（=>0.0（如果确定），否则设置到边界的距离）。
解决方案。setConstraint（0，（权重不直接支持约束。您可以在中设置a。这将拒绝
表型
，并重新创建无效个体。不完全是约束，而是一种约束。第二种可能是为这些值返回所有目标的最小适应度值。
不直接支持约束。您可以设置in.这将拒绝表型，并重新创建无效个体。不完全是一种约束，而是一种约束。第二种可能性是为这些值返回所有目标的最小适应值。
从Jenetic开始，两者都已删除，但现在可以定义a（另请参见第2.5节）：

还可以实现
约束
的方法来尝试修复给定的个体

请注意（见）：

它[约束

接口]是检查个人有效性的最后一道防线。[…]第二个重要方法[除了测试]

Constraint

的一种方法是

repair

方法。该方法试图修复给定的个体。在不定义该方法的情况下，只创建一个新的随机表型

截至Jenetic，和已被删除，但现在可以定义a（另见第2.5节）：

还可以实现

约束

的方法来尝试修复给定的个体

请注意（见）：

它[约束接口]是检查个人有效性的最后一道防线。[…]第二个重要方法[除了测试]

Constraint

的一种方法是

repair

方法。该方法试图修复给定的个体。在不定义该方法的情况下，只创建一个新的随机表型

---

也请考虑在适应度函数本身中验证约束，并返回一个值与您所优化的结果相反。这可能会降低总体性能，但允许您在更高的水平上验证结果。

---

例如，如果一个双值的最大化只是由于适应度函数返回最低的负一倍，如果优化的解决方案不通过约束。

也请考虑在健身函数本身中验证你的约束，并且返回一个值与你所优化的结果相反。降低总体性能，但允许您在更高级别上验证结果

---

例如，如果您对一个双精度值进行最大化，只要根据适应度函数返回最低的负双精度值，如果优化的解决方案没有通过约束条件。

谢谢，但这与前面所说的基本相同：“第二种可能是返回这些值的所有目标的最小适应度值。”谢谢，但这与前面所说的基本相同：“第二种可能性是返回所有目标的最小适合度值。”

Engine.builder(/* ... */)
        .constraint(Constraint.of(phenotype -> /* test validity */)
        .build();