我正在尝试用python实现一个遗传算法。 我最初有六个人。我测量它们的适合度和进入下一代的概率,然后挑选三对交配,交配概率为0.7。为了进行交叉,我把配对和交配概率传递给一个函数。你知道吗
new_population = cross_over(pairsg, mating_prob)
其中,pairsg是为交配挑选的成对,而matching prob是一个二进制列表(如果1交叉,如果0不交叉)。问题是,交叉函数改变了原始总体,尽管其中从未使用总体变量
def cross_over(prs, mp):
new = []
for pr in prs:
if mp[prs.index(pr)] == 1:
index = np.random.choice([1,2,3], p=[1/3, 1/3, 1/3])
pr[0][:index], pr[1][:index] = pr[1][:index], pr[0][:index]
for pr in prs:
new.append(pr[0])
new.append(pr[1])
return new
这是完整的代码:
from random import *
import numpy as np
#fitness function
def fit(x):
return 15*x -x**2
#covert binary list to decimal number
def to_dec(x):
return int("".join(str(e) for e in x), 2)
#picks pairs from the original population
def gen_pairs(populationl, prob):
pairsl = []
test = [0, 1, 2, 3, 4, 5]
for i in range(3):
pair = []
for j in range(2):
temp = np.random.choice(test, p=prob)
pair.append(populationl[temp])
pairsl.append(pair)
return pairsl
#mating function
def cross_over(prs, mp):
new = []
for pr in prs:
if mp[prs.index(pr)] == 1:
index = np.random.choice([1,2,3], p=[1/3, 1/3, 1/3])
pr[0][:index], pr[1][:index] = pr[1][:index], pr[0][:index]
for pr in prs:
new.append(pr[0])
new.append(pr[1])
return new
population = [[1,0,1,0], [0,1,1,0], [1,0,0,1], [1,1,1,0],[1,1,0,0],[1,0,0,0]]
fittness = [fit(to_dec(y)) for y in population]
s = sum(fittness)
prob = [e/s for e in fittness]
pairsg = gen_pairs(population.copy(), prob)
mating_prob = []
for i in pairsg:
mating_prob.append(np.random.choice([0,1], p=[0.3,0.7]))
new_population = cross_over(pairsg, mating_prob)
问题是你在
但是您复制外部列表,而不是子列表数据(这是一个浅副本)。所以呢
更改原始数据(因为
pair.append(populationl[temp])
也不复制,而是使用相同的子列表引用)你必须按照子列表的参考来找出答案。你知道吗
一旦你理解了这个问题,有很多方法可以避免。在某个时刻复制子列表。你知道吗
你可以做:
创建“深度副本”(或
copy.deepcopy(population))
)或替换
由
任何时候向python函数传递一个参数时,基本上只需传递一个对该对象的引用,对函数内的对象所做的一切也会反映在函数外。即使对象的外部名称不同,也会发生这种情况。
pairsg
和prs
仍然引用相同的列表。这类似于在a = []
和b = a
之后,a
和b
表示完全相同的对象。你知道吗因此,向函数传递可变参数(如列表)时要小心。参数传递对不可变参数的作用是相同的,但是您不会遇到这个问题,因为不可变参数是不能更改的。你知道吗
因此,解决办法是不修改prs。这应该起作用:
相关问题 更多 >
编程相关推荐