Question

我正在尝试在python中实现遗传算法。我的初始人口为六个人。我测量它们在下一代的适应度和概率，并选择三对交配概率为0.7。为了进行交叉，我将对和交配概率传递给函数。

lock (_yourLockObj)
{
    games.Add(new Game() { Name = msg });
}

其中 pairsg 是为交配挑选的对，交配概率是二进制列表（如果1执行交叉，则如果0不执行）。 问题是cross_over功能会改变原始人口，尽管人口变量从未在其中使用

new_population = cross_over(pairsg, mating_prob)

这是完整的代码：

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

Answer 1

问题是你在

中制作了copy

gen_pairs(population.copy(), prob)

但是您复制外部列表，但不复制子列表数据（它是浅副本）。所以

pr[0][:index], pr[1][:index] = pr[1][:index], pr[0][:index]

更改原始数据（因为pair.append(populationl[temp])也不会复制但使用相同的子列表引用）

你必须按照子列表的引用来解决这个问题。

一旦你理解了这个问题，就有很多方法可以避免这个问题。在某些时候制作子列表的副本。

你可以这样做：

gen_pairs([x.copy() for x in population], prob)

创建＆＃34;深拷贝＆＃34; （或copy.deepcopy(population))）

或替换

pair.append(populationl[temp])

通过

pair.append(populationl[temp].copy())

Answer 2

每次将参数传递给python函数时，基本上只是传递对该对象的引用，而对函数内部对象所做的一切也会反映在外部。即使对象外面有不同的名称，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都指向完全相同的对象。

在将可变参数（例如列表）传递给函数时要小心。对于不可变参数，参数传递的作用相同，但是您不会遇到此问题，因为无法更改不可变参数。

所以解决方法是不修改prs。这应该有效：

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])
            new.append(pr[1][:index])
            new.append(pr[0][:index])
        else:
            new.append(pr[0])
            new.append(pr[1])

    return new

python函数正在改变一个全局变量

2 个答案: