Question

我有一个具有以下基因的个体：

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

然后我应用以下高斯突变：

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

产生新基因：

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

我对这种突变的问题是，该个体的高斯统计似乎是使用所有基因而不是每个基因来确定的...而大多数基因的+/- 2突变是可以的，从300开始应该会发生很大变化。

对我来说很奇怪，docs中没有考虑到这种需要。

是否没有使用每个基因的统计信息来建立个体变异的内置机制？

我假设人口中的每个人都使用其所有基因形成了分布。我想要的是使用种群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数。这样，如果每个基因取自不同的范围，则可以调整sigma的值以更好地适合每个基因取的值。

如果您提前不知道哪些基因会比其他基因更大，则可以实现自己的突变功能。例如，您可以将高斯的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,

DEAP框架-使用每个基因统计的mutGaussian

1 个答案: