翻转嵌套列表中的位

Question

我有一个项目，我必须使用遗传算法的位翻转突变。

到目前为止，我的代码如下所示：

def mutation(pop, mr):
    for i in range(len(pop)):
        if (random.random() < mr):
            if (pop[i] == 1):
                pop[i] = 0
            else:
                pop[i] = 1
        else:
            pop[i] = pop[i]
    return pop

mut = mutation(populations, 0.3)
print(mut)

例如，我有以下内容（取决于我的项目，populations 可能看起来像 populations_1 或 populations_2）：

populations_1 = [[1, 0], [1, 1], [0, 1], [1, 0]] 
populations_2 = [[1], [1], [0], [1]]

我正在做的是将随机生成的数字分配给populations 中的元素，并检查它是否小于mutation rate。如果是，那么bit-flip mutation 会发生，如果不是，它会照原样发生remain。对于populations_1的情况，如果populations_1 index 2小于突变率，那么它应该变成[1, 0]。对于populations_2 index 3，如果它小于突变率，它应该变成[0]。这是mutation function 的目标。

任何人都可以帮助我将我目前拥有的代码转换为适应诸如 population_1 中的情况吗？我认为我到目前为止的代码仅适用于 population_2。

任何帮助/建议/阅读将不胜感激！谢谢！

Answer 1

你可以使用列表推导来做你想做的事。 pop 中的值仅在 r<mr 时更新。要更新它们，您可以遍历列表 pop[i] 中的每个元素 (a)，如果 a == 0 变为 1，则变为 0。请参见下面的代码：

def mutation(pop, mr):
    for i in range(len(pop)):
        r = random.random()
        print(r) # you can remove this line, it is only for testing
        if r < mr:
            pop[i] = [1 if a == 0  else 0 for a in pop[i]]
    return pop

测试 1：

populations_1 = [[1, 0], [1, 1], [0, 1], [1, 0], [0,0]] 
mut = mutation(populations_1, 0.3)
print(mut)

#random number for each iteration
0.3952226177233832
0.11290933711515283
0.08131952363738537
0.8489702326753509
0.9598842135077205
#output:
[[1, 0], [0, 0], [1, 0], [1, 0], [0, 0]]

测试 2：

populations_2 = [[1], [1], [0], [1]]
mut = mutation(populations_2, 0.3)
print(mut)


0.3846024893833684
0.7680389523799874
0.19371896835988422
0.008814288533701364
[[1], [1], [1], [0]]