将决策问题转化为优化问题？(进化算法)

Question

决策问题不适合用于进化算法，因为简单的对/错适应度度量无法优化/进化。那么，有什么方法/技术可以将决策问题转化为优化问题呢？

例如，我目前正在研究一个问题，其中一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，一个个体要么不产生任何输出，要么产生完美的输出--没有“中间”(因此，没有需要攀登的山峰)。个体基因排序的一个小变化可能会对个体的适应能力产生巨大影响，因此使用进化算法基本上相当于随机搜索。

如果你知道一些文献参考，那就更好了。

Answer 1

应用于多个输入和检查正确答案的百分比。

诚然，正确/错误的适应度度量不能朝着更正确的方向发展，但算法仍然可以将可变函数应用于任何输入，以产生正确或错误的决策。所以，你不断地改变算法，对于算法的每个变异版本，你将它应用于，比如说，100个不同的输入，然后检查其中有多少是正确的。然后，选择那些比其他算法给出更多正确答案的算法。谁知道呢，最终你可能会看到一个让它们都正确的方法。

没有文献参考，是我自己想出来的。

Answer 2

嗯，我想你必须在健身功能上下功夫。当你说一些个体更接近完美的解决方案时，你能根据他们的遗传结构来识别这个解决方案吗？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结构来对个人进行评级。