在DEAP中实现一个清算过程

Question

清除过程(Petrowski 96)是一种求解多模态问题的方法。是否有一种在DEAP中使用清算过程的方法？

对于其他细分方法，如共享，只需修改适应度函数。因此，这些方法很容易部署在DEAP框架中。然而，清除需要和额外的循环在算法中，以更新每个个体的适应度。是否有DEAP函数来执行此操作？

Answer 1

仅仅改变健身功能是不够的，因为你需要对所有的个体做一个额外的传递，以更新他们的健身基于附近的优势个体的存在。但是，您可以为此制定自己的算法。

一旦您定义了通过人口中的所有个体来设置他们的适应度的过程，基于Petrowski 96中描述的过程

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，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