python - 使用 DEAP 进行遗传规划(最大化问题)时，群体平均适应度下降是否正常？

Question

我在 python 中使用 DEAP 库来解决遗传编程最大化问题。

我使用 eaSimple 算法 创建了具有 60% 交叉概率和 30% 突变概率的群体。

种群中最好个体的适应度不断增加，但种群的平均适应度有时会下降(例如，第一个种群的平均适应度高于最后一个种群的平均适应度)。

这是正常现象还是设置有问题？

另一件事要提的是，我已将最差适应度设置为零，并且群体确实包括适应度值为零的个体(群体规模为 1000)。

Answer 1

eaSimple 算法对初始种群的所有个体使用 varAnd 策略，并且不进行选择。因此，eaSimple 算法探索了特征空间，但对优化没有多大作用。如果您确实想使用此算法，我建议使用 HallOfFame 对象来记住在探索过程中找到的最佳对象。

<小时/>

来自the documentation中的伪代码描述 eaSimple 的作用，

population = select(population, len(population))

表示选取总体中的所有元素。例如，如果您的 select 函数是 tools.SelBest，那么您已选择 n 个具有 n 的最佳个体是人口规模。

然后使用 varAnd 策略 ( documentation )，其中父代个体根据其在种群中的索引进行配对并交配。生成的两个后代有固定的概率取代两个原来的 parent 。