解决方案各部分的独立突变概率（遗传算法）

Question

我正在使用Deap库（Python）进行进化计算。我对以下突变功能感兴趣：

deap.tools.mutGaussian(individual, mu, sigma, indpb)

根据文档，indpb是指使每个解决方案元素发生突变的概率。

我的问题是，如何为解决方案的某些部分（指标）指定更高（或更低）的突变概率。

换句话说，indpb不是标量，而是解的向量。

Answer 1

您很可能需要实现自己的突变功能。也许像下面这样：

def mutGaussian(individual, mu, sigma, indpb):
    size = len(individual)
    for i, m, s, p in zip(xrange(size), mu, sigma, indpb):
        if random.random() < p:
            individual[i] += random.gauss(m, s)

    return individual,