可变大小矩阵 [i x j] (Python, Numpy)

Question

我正在尝试构建一个简单的遗传算法来优化输入字符串，但是在构建 [individual x 基因组] 矩阵时遇到了麻烦（第 n 行是个体 n 的基因组。）我希望能够改变人口大小、突变率和其他参数来研究它如何影响收敛速度和程序效率。

这是我目前所拥有的：

import random
import itertools
import numpy as np
def evolve():


goal                = 'Hello, World!'                           #string to optimize towards
ideal = list(goal)

#converting the string into a list of integers
for i in range (0,len(ideal)):
    ideal [i]       = ord(ideal[i])


print(ideal)
popSize             = 10                                        #population size
genome              = len(ideal)                                #determineing the length of the genome to be the length of the target string
mut                 = 0.03                                      #mutation rate
S                   = 4                                         #tournament size
best                = float("inf")                              #initial best is very large
maxVal              = max(ideal)
minVal              = min(ideal)
print (maxVal)
i                   = 0                                         #counting variables assigned to solve UnboundLocalError
j                   = 0

print(maxVal, minVal)


#constructing initial population array (individual x genome)
pop = np.empty([popSize, len(ideal)])
for i, j in itertools.product(range(i), range(j)):
    pop[i, j] = [i, random.randint(minVal,maxVal)]
print(pop)

这会生成具有正确基因组长度的种群大小矩阵，但基因组类似于：

[  6.91364167e-310   6.91364167e-310   1.80613009e-316   1.80613009e-316
5.07224590e-317   0.00000000e+000   6.04100487e+151   3.13149876e-120
1.11787892e+253   1.47872844e-028   7.34486815e+223   1.26594941e-118
7.63858409e+228]

我需要它们是对应于随机 ASCII 字符的随机整数。

这种方法我做错了什么？ 有没有办法让它更快？

我在这里找到了我当前的方法： building an nxn matrix in python numpy, for any n

我发现了另一种我不明白的方法，但似乎更快更简单，如果我可以在这里使用它，我想。 Initialise numpy array of unknown length

感谢您提供的任何帮助。

Answer 1

你的循环没有执行，因为 i 和 j 都是 0，所以 range(i) 和 range(j) 是空的。此外，您不能将列表 [i,random] 分配给数组值（np.empty 默认为 np.float64）。我只是把它改成了只存储随机数，但是如果你真的想存储一个列表，你可以将pop的创建改为pop = np.empty([popSize, len(ideal)],dtype=list)

否则在最后几行使用这个：

for i, j in itertools.product(range(popSize), range(len(ideal))):
    pop[i, j] = random.randint(minVal,maxVal)