解决方案的每个部分的单独突变概率（遗传算法）答案

【问题标题】：Separate mutation probabilities for each part of the solution (Genetic Algorithms)解决方案的每个部分的单独突变概率（遗传算法）
【发布时间】：2020-03-02 02:27:54
【问题描述】：

我正在使用 Deap 库 (Python) 进行进化计算。我对以下突变函数感兴趣：

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

根据文档，indpb 指的是每个解决方案元素发生变异的概率。

我的问题是，如何为解决方案的某些部分（索引）指定更高（或更低）的突变概率。

换句话说，indpb 不是一个标量，而是一个解向量。

【问题讨论】：

individual 是如何实现的？如果它是类似列表的，您是否希望列表的每个元素以独立的概率发生变异？所以indpb 应该是一个与individual 长度相同的列表，是吗？

标签： genetic-algorithm deap

【解决方案1】：

您很可能需要实现自己的变异函数。可能类似于以下内容：

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,

【讨论】：

谢谢！这确实是可行的。