编写适应度函数的最快方法取决于具体问题和编程语言。下面是一个示例，展示如何快速编写适应度函数。

假设我们要解决一个经典的旅行商问题（TSP），其中给定一组城市和它们之间的距离，目标是找到一条路径，使得访问每个城市一次并返回起始城市，总路程最短。

以下是一个使用Python编写的适应度函数的示例：

def fitness_function(solution):
    total_distance = 0
    for i in range(len(solution)):
        # 从当前城市到下一个城市的距离
        distance = distance_matrix[solution[i]][solution[(i + 1) % len(solution)]]
        total_distance += distance
    return total_distance

在这个示例中，solution 是一个表示城市顺序的列表。distance_matrix 是一个二维数组，其中存储了城市之间的距离。

在函数中，我们遍历解决方案中的每个城市，计算从当前城市到下一个城市的距离，然后将其累加到 total_distance 变量中。最后，返回总距离作为适应度值。

请注意，这只是一个示例，实际的适应度函数的实现可能会因问题的复杂性而有所不同。

在编写适应度函数时，可以通过优化算法、数据结构和算法选择来提高性能。这可能包括使用矩阵计算来减少循环次数、使用缓存来存储计算结果以避免重复计算等。

总之，编写适应度函数的最快方法是根据具体问题和编程语言选择适当的数据结构和算法，并进行必要的优化。