在 DEAP 中实施清算程序

Question

清算程序 (Petrowski 96) 是一种解决多模式问题的利基方法。有没有办法通过 DEAP 使用清算程序？

对于分享等其他小众方式，只需要修改适应度函数即可。因此，这些方法很容易在 DEAP 框架中部署。但是，清除需要算法中的额外循环来更新每个人的适应度。是否有 DEAP 函数可以做到这一点？

Answer 1

仅仅改变适应度函数是不够的，因为您需要对所有个体进行额外的传递，以根据附近主导个体的存在来更新它们的适应度。但是，您可以为此制定自己的算法。

一旦您根据Petrowski 96 中描述的过程定义了遍历群体中所有个体以设置其适应度的过程

def update_fitness(population):
    ... # set fitness of non-dominant individuals to 0
    return population

然后您可以重新定义标准算法，例如eaMuPlusLambda

def eaMuPlusLambda(population, toolbox, mu, lambda_, cxpb, mutpb, ngen):
    invalid_ind = [ind for ind in population if not ind.fitness.valid]
    fitnesses = toolbox.map(toolbox.evaluate, invalid_ind)
    for ind, fit in zip(invalid_ind, fitnesses):
        ind.fitness.values = fit

    population = update_fitness(population)

    # Begin the generational process
    for gen in range(1, ngen + 1):
        # Vary the population
        offspring = varOr(population, toolbox, lambda_, cxpb, mutpb)

        # Evaluate the individuals with an invalid fitness
        invalid_ind = [ind for ind in offspring if not ind.fitness.valid]
        fitnesses = toolbox.map(toolbox.evaluate, invalid_ind)
        for ind, fit in zip(invalid_ind, fitnesses):
            ind.fitness.values = fit

        # Select the next generation population
        population[:] = toolbox.select(population + offspring, mu)

    return population