我正在对具有不同超参数的不同测试函数使用基础遗传算法（GA）]，以确定超参数对算法的影响。
标准：
GA猜测的答案（最小）足够接近真实答案。“足够接近”由“准确度”或LOA确定。if |guessed answer - real answer | < LOA => guessed answer is considered correct问题：不同的功能具有不同的输入范围，并且对所有测试功能使用静态LOA似乎并不正确。问题：我应该如何确定LOA值？它应该与被测功能的输入范围有关吗？ 示例
：Schwefel测试功能的所有输入的输入范围为(-500,500)，最小值为0。如果GA猜测的最小值为0.08，LOA为0.1，则该猜测答案是正确的，因为|0 - 0.08| < 0.1，但如果猜测答案为0.12，则认为是错误的。Rastrigin测试功能的所有输入范围均为(-5.12, 5.12)。为Rastrigin使用相同的LOA似乎不正确，因为它的范围非常小，并且相同的GA超级参数在同一LOA下会更好。LOA应该与范围相关吗？例如，0.001的LOA应该用于Rastrigin，因为它的范围是Schwefel的1/100范围。PS
：停止条件为“最大世代数”，所有情况下的尺寸为45。我正在对具有不同超参数的不同测试函数使用基本遗传算法（GA），以确定超参数对算法的影响。条件：猜中的答案（...
这是一个很好的观察。您真正要了解的是，在优化时，您选择的收敛标准