feasible solution

数学、工程学、计算机科学和经济学領域中，最佳化问题，或称优化问题（英語：Optimization problem）是指从所有可行解（英语：feasible solution）中找到最优良的解的问题。 根据变量是连续的或离散的，可将最佳化问题分为两类： 具有离散变量的最佳化问题称为离散优化，其中必须找到可数集合中的整数、排列或图等对象。

進化演算法（英語：Evolutionary algorithm）是人工智慧中進化計算的子集。進化演算法啟發自生物的演化機制，模擬繁殖、突變、遺傳重組、自然選擇等演化過程，對最佳化問題的候選解（英语：Feasible_region#Candidate_solution）做演化計算的演算法。 遺傳演算法 差分进化算法 遺傳編程 粒子群最佳化

在數學中，約束（英語：Constraint）是一個最佳化問題的解需要符合的條件。約束可分為等式约束及不等式约束。符合所有約束的解的集合稱為可行集（feasible set）或是候選解（candidate solution）。 以下是一個最佳化的問題： min f ( x ) = x 1 2 + x 2 4 {\displaystyle

在最优化与计算机科学中，可行域（feasible region）、可行集（feasible set）或解空间（solution space）指满足问题约束（可能包括不等式、等式和/或整数约束）的最优化问题的所有可能点（选择变量的值集）的集合。在候选解的范围缩小之前，这是问题的初始候选解集。 例如，考虑最小化关于变量x、y的函数

license。 ^ "Evidence that demonstrates that a business model or idea is feasible."[91] （页面存档备份，存于互联网档案馆） ^ URL anding are available using a MediaWiki extension