当给定一个平滑增加的标量适应度值时，遗传算法的效果最好，这样您就可以比较两个种群成员，无论他们在任务上是失败还是成功。

这通常需要您分析问题，并提出一个随着个人越来越接近解决任务而改进的措施。如果他们“更好”地解决问题，如果您为个人得分更高，通常会有所帮助。您想避免简单的布尔成功/失败指标。

衡量一个人打得有多好的一个简单方法是使用它与“完美”击球（球的中部击中球洞的中部）的绝对距离。唯一的问题是完美投篮得分为 0，而未命中得分为 2+，并且您希望最佳结果具有最高的适应度。这可以简单地解决，取绝对距离的负数：

在哪里$D_{hole}$- 和$D_{ball}$是从每个对象的原点到中心的水平距离。

健身分数不需要为正数。这将得分$F \lt -2$想念，$-2 \lt F \lt 0$对于命中，和$0$一个完美的镜头。

对于 GA，您不必太关心适应度函数的可微性或梯度，只要它在个体质量之间提供了相当好的等级。所以在这里使用平方误差度量是没有意义的，尽管你可以如果你愿意的话。