Numpy random - 指定多个边界和步骤

Question

我需要生成遗传算法的初始种群。考虑以下向量：

[20, 2, 20, 1.5, 5, 20, 5, 0.5, -0.5, 5, 20, 5, 3, 14, 70, 30, 10, 5, 5, 20, 8, 20, 2.5]

我会这样做：

new_population = numpy.random.uniform(low=0.1, high=50.0, size=pop_size)

问题是，问题space中的一些染色体步数不同，最大值也不同。元素 0 应为 1-100，步长为 1（So int）。元素 3 应为 0.1-10，步长为 0.1（浮动）。进行这种随机化最简单的方法是什么？

Answer 1

因为你的染色体范围似乎是硬编码的，我建议你只用一个 numpy.random.uniform() 生成所有数字，你需要的范围最小，即你的例子中的 0.1-10 和然后将获得的数字乘以以下比率：

wanted_range/base_range

在您的示例中，您将乘以 10。（请注意，对于此方法，步长和范围之间的比率必须相同）

Answer 2

您没有提供足够的数据来查看较短代码的任何模式。

但是您可以执行以下操作：制作列表列表，其中每个子列表由以下元素组成：bounds = [[low, high, step], ...]

然后初始化一个空的numpy数组，即new_population = np.empty(23) 之后，您可以使用 for 循环遍历边界并生成每个元素：

for i, value in enumerate(bounds):
    new_population[i] = np.random.uniform((low=value[0], high=value[1], size=value[2])

Answer 3

numpy.vectorize 装饰器允许您轻松定义作用于值数组的函数，一次一个元素。您可以将您的具体案例定义为

@np.vectorize
def vectorized_random(low, high, step):
    # whatever kind of random value you want

可直接用于输入数组。

>>> vectorized_random([1, 1, 0.1], [100, 10, 10], [1, 1, 0.1])
array([...])

Numpy random - Specify Multiple Bounds & Steps