为了使其得到我们所期望的性能，我们需调节种群内成员的竞争等级。在遗传算法实现的初步阶段，种群内常常会出现极不寻常的个体，在正常规则下，这些个体甚至会在某一代中占取显著比例。通过“适应度变换”可以改善此结果。这里用的是线性变换：
其中，F为“初始尺度适应度”，F*“尺度变换后的适应度”。
我们这里使让尺度变换后的适应度F*avg等于平均初始适应度Favg，以保证平均每个种群都给后代贡献一个字符串。
为了控制子代数量，给种群成员以最大初始适应度和最大尺度变换后的适应度，F*max 取下面的值：
其中cmult是种群成员最优缩放因子，通常是1.2和2之间。从上述两个条件，a和b可以得出：
因此，少数极不寻常的个体数量减少，而较低的种群成员数量增加。当一些字符串水平远远低于种群平均及最高时，使用上述的线性扩展，可能会导致较低的适应度的值为负。在这种情况下，我们仍然让初始适应度和尺度变换后的适应度的平均值相等，但将最小初始适应度Fmin映射的尺度变换后的适应度F*min = 0。那么a和b表示为： 基于遗传算法的高分辩率雷达目标识别方法(4):http://www.751com.cn/tongxin/lunwen_9357.html