我正在研究一个遗传算法。我的问题如下。我有一个适应度函数，它接受几个值：
A – 一个非常大的值，但不太重要，例如999999。（最终结果的重要性权重为30%）
B – 一个较小的值，但更重要，例如50。（最终结果的重要性权重为70%）
我假设这两个值都趋向于无穷大。如何构建一个适应度函数，使其类似于：
long calculateFitness(A, weightOfA, B, weightOfB);
并且结果将是任何长整型数字，使B变量显得更加重要。
回答：
你需要为每个目标值设定一个上限和下限。如果无法估计上限（下限），你可以考虑当前迭代中的最高（最低）值。
假设目标A和B的上限分别为ubA和ubB，目标A和B的下限分别为lbA和lbB。这里我假设lbA和lbB等于0，而ubA和ubB分别为999999和50。
现在假设你有一个值A = 642465和一个值B = 47。你可以这样做：
let lbA = 0;let ubA = 999999;let valueA = 642465let lbB = 0;let ubB = 50let valueB = 47let remappedA = remap(valueA, lbA, ubA, 0, 1);let remappedB = remap(valueB, lbB, ubB, 0, 1);let weightedValue = getWeightedValue(0.3, remappedA, 0.7, remappedB);console.log(valueA + ' remapped to ' + remappedA);console.log(valueB + ' remapped to ' + remappedB);console.log("Weighted objective value: " + weightedValue);function remap(n, start1, stop1, start2, stop2) { return ((n - start1)/(stop1 - start1)) * (stop2 - start2) + start2;}function getWeightedValue(weightA, valueA, weightB, valueB){ return weightA * valueA + weightB * valueB;}你的输出值应该是0.8507396927396926
