Question

我正在使用python中的Deap库解决遗传编程最大化问题。

我使用eaSimple algorithm创建了60％的交叉概率和30％的突变概率的种群。

人群中最佳个体的适应度在增加，但人群的平均适应度有时在下降（例如，第一个人群的平均适应度大于最后一个人群的平均适应度）。

这是正常现象还是设置有问题？

要提及的另一件事是，我已将最差适应度设置为零，并且人口中确实包括适应度值为零（人口规模为1000）的个体。

Answer 1

eaSimple算法对初始总体的所有个体都使用varAnd策略，并且没有选择。因此，eaSimple算法探索了特征空间，但是在优化上没有多大作用。如果确实要使用此算法，建议您使用HallOfFame对象来记住在探索过程中找到的最佳对象。

根据the documentation中的伪代码描述eaSimple的行为，

population = select(population, len(population))

表示人口中的所有要素均被占用。例如，如果您的select函数是tools.SelBest，那么您选择了n最佳个体，其中n是人口总数。

然后使用varAnd策略（documentation），在该策略中，根据个体在种群中的索引配对父母并进行交配。产生的两个后代具有替换两个原始父代的固定概率。