DEAP框架-使用每个基因统计的mutGaussian

Question

我有一个有以下基因的个体：

genes = [8, 2, 300, 2, 25, 10, -64, -61]

然后，我应用以下高斯突变：

toolbox.register("mutate", tools.mutGaussian, mu=0, sigma=1, indpb=1)
toolbox.mutate(genes)

为了产生新的基因：

[9, 4, 301, 2, 24, 9, -65, -60]

我这个突变的问题是，这个个体的高斯统计量似乎是用所有的基因来决定的，而不是对大多数基因的每个gene...while a +/- 2突变都是正确的，从300开始的数值应该会发生更大的变化。

我感到奇怪的是，在文档中没有考虑到这一需求。

是否没有内置的机制来利用每种基因的统计数据来突变个体？

我假设群体中的每一个个体都利用其所有的基因形成了一个分布。我想要的是利用种群中的所有个体，为每个基因形成一个分布。

Answer 1

您可以将sigma设置为列表而不是浮点。这样，如果每个基因都来自不同的范围，那么您可以调整sigma的值，以更好地适应每个基因的值。

如果你事先不知道哪些基因会比其他基因大，你可以实现自己的突变功能。例如，您可以将高斯的sigma设置为取决于基因的值：

def mutGaussian(individual, sigma, indpb):
    for i in range(len(individual)):
        if random.random() < indpb:
            individual[i] = random.gauss(individual[i], sigma*individual[i])

    return individual,