基于单基因统计的DEAP框架

Question

我有一个人有以下基因：

genes = [8, 2, 300, 2, 25, 10, -64, -61]

然后我应用以下高斯变异：

toolbox.register("mutate", tools.mutGaussian, mu=0, sigma=1, indpb=1)
toolbox.mutate(genes)

要产生新基因：

[9, 4, 301, 2, 24, 9, -65, -60]

我对这种突变的问题是，这个个体的高斯统计数据似乎是使用所有基因而不是每个基因来确定的……虽然大多数基因的+/-2突变是可以的，但从300开始的值应该会发生更大的变化

我感到奇怪的是，在docs中没有考虑到这种需要

使用每基因统计数据进行个体突变是否没有内在机制

我假设一个分布是由种群中的每个个体使用其所有的基因形成的。我想要的是使用群体中的所有个体为每个基因形成一个分布

Answer 1

您可以将sigma设置为列表而不是浮点。这样，如果每个基因来自不同的范围，则可以调整sigma的值以更好地拟合每个基因的值

如果你事先不知道哪些基因会比其他基因大，你可以实现自己的突变功能。例如，可以将高斯函数的sigma设置为取决于基因的值：

def mutGaussian(individual, sigma, indpb):
    for i in range(len(individual)):
        if random.random() < indpb:
            individual[i] = random.gauss(individual[i], sigma*individual[i])

    return individual,