基于遗传算法的投资组合模型及实证研究
武汉理工大学硕士学位论文
二进制编码存在着连续函数离散化时的映射误差。个体编码串较短时可能达不到精度要求；而个体编码串较长时，虽然能提高精度，但却会使算法的搜索空间急剧扩大。
２。３．２适应度函数
遗传算法在进化搜索中基本不利用外部信息，仅以适应度函数（ｆｉｔｎｅｓｓｆｕｎｃｔｉｏｎ）为依据，利用种群中每个个体的适应度值来进行搜索。因此，适应度函数的选取至关重要，直接影响到遗传算法的收敛速度以及能否找到最优解。适应度函数有以下基本三种：
（１）直接以待求解的目标函数转化为适应度函数，
若目标函数为最大化问题：Ｆｉｔ（ｆ＠））；厂Ｏ）
若目标函数为最小化问题：Ｆｉｔ（ｆＯ”一一厂＠）
（２）若目标函数为最小问题，则
Ｒｆ（，Ｏ））一ｃ．＝－ｆ（ｘ），厂＠）＜ｃｍ“
式中ｃ～为ｆ（ｘ）的最大估计值。
若目标函数为最大问题，则
Ｆｉｔ（ｆ（ｘ））＝艘Ｘ）ｕ他Ｃｍｉｎ，雕ｐｃｍ“
式中ｃ。；。为ｆ（ｘ）的最小估计值。
（３）若目标函数为最小问题：
尻‘（厂Ｏ））２ｉｉ而１ｃ≥ｏ，ｃ＋厂＠）≥ｏ’
若目标函数为最大问题：
尉‘（厂ｏ））２ｉ南ｃ≥ｏ，ｃ一厂ｏ）≥ｏ
这种方法与第二种方法类似，Ｃ为目标函数界限的保守估计值。