解决方案每个部分的单独突变概率（遗传算法）

Question

我正在使用 Deap 库 (Python) 进行进化计算。我对以下突变函数感兴趣：

deap.tools.mutGaussian(individual, mu, sigma, indpb)

其中 indpb，根据文档，指的是改变每个解决方案元素的概率。

我的问题是，如何为解决方案的某些部分（指数）指定更高（或更低）的突变概率。

换句话说，indpb 不是标量而是解向量。

Answer 1

您很可能需要实现自己的突变函数。可能类似于以下内容：

def mutGaussian(individual, mu, sigma, indpb):
    size = len(individual)
    for i, m, s, p in zip(xrange(size), mu, sigma, indpb):
        if random.random() < p:
            individual[i] += random.gauss(m, s)

    return individual,

解决方案每个部分的单独突变概率（遗传算法）

Separate mutation probabilities for each part of the solution (Genetic Algorithms)

genetic-algorithm

deap