所谓重尾变异算子的实现
fastga的Python项目详细描述
此存储库保存支持提交给GECCO 2017会议的文章的代码库。由于这篇文章仍在评论中，作者的身份目前是cannot be disclosed。审查程序一结束，他们就来。同时，该存储库将由作者主动维护，但使用匿名帐户。
fastga是一个非常小的模块，它使用我们所谓的fast-generation operator（或heavy-tailed-generation operator）来执行位变异，该操作使用幂律分布的变异率。这使得在一步中以高概率翻转大量比特（例如，与经典的（1+1）ea相比），这在需要这种长距离“跳跃”以避开局部最优时尤其可取。
要求
- Python3+
- 努比
安装
管道（推荐）
（可选）创建一个python虚拟环境并激活它。在控制台中，键入：
$ virtualenv ~/some_convenient_location/fastga $ cd ~/some_convenient_location/fastga $ source bin/activate
在控制台中（如果使用VirtualEnv，则激活它），键入：
$ pip install fastga
git方式
只需将此存储库克隆到一个方便的位置：
$ mkdir some_convenient_location && cd some_convenient_location $ git clone https://github.com/FastGA/fast-genetic-algorithms.git
然后将其添加到pythonpath中：
$ export PYTHONPATH=some_convenient_location:$PYTHONPATH
（您也可以将此命令放入.bashrc文件中，使其永久化）。
用法
我们的变异运算符是在类^{t t 1}$中实现的，还有抽象类BaseMutationOperator（如果需要的话，不应该直接使用它，而应该使用自己类的子类）和类OnePlusOneMutationOperator（顾名思义，它是（1+1）ea的实现）。在python shell中，键入
from fastga import FastMutationOperator
创建实例需要两个参数：
- 一个整数n，它是可以由运算符进行变异的位字符串的大小；
- 一个floatbeta>；1，它是变异率幂律中使用的指数。
给定这两个参数，运算符的突变率r是这样的，对于{1中的每个i。n//2}，r是i/n的概率与i^{-beta}（具有适当的标准化因子）成正比。因此，较低的beta值倾向于在一个突变步骤中翻转更多的比特。
现在可以实例化运算符：
operator = FastMutationOperator(n=100, beta=1.5)
并使用其mutate方法对n长度的位字符串进行变异：
bit_string = [0] * 100
for i in range(10):
operator.mutate(bit_string, inplace=True)
print(bit_string)
欢迎加入QQ群-->： 979659372
