如何随机改变二进制列表中的 5 个值？

Question

我正在编写一个遗传算法，其中我需要 select 二进制列表 genotype 中的 5 个数字并翻转它们，所以 1→0 0→1。我尝试将我的代码放入带有 range(1,6) 的循环中，但是当我这样做时它仍然只更改其中一个数字。下面是我没有循环的原始代码，它随机 selects 一个二进制值并对其进行变异。除了列表中的 5 个元素之外，还有谁知道更好的方法吗？

genotype = [1,0,0,1,0,0,1,1,1,0]

def mutate(self):
  gene = random.choice(genotype)
  if genotype[gene] == 1:
    genotype[gene] = 0
  else:
    genotype[gene] = 1
  return genotype

Answer 1

您可以使用random.sample()函数从列表中获取5个唯一索引，然后循环翻转它们。像那样：

import random
genotype = [1,0,0,1,0,0,1,1,1,0]

random_five = random.sample(range(len(genotype)), 5)
for i in random_five:
    genotype[i] = 0 if genotype[i] == 1 else 1

print(genotype)

输出为：

[1, 1, 0, 1, 1, 0, 0, 1, 0, 1]

Answer 2

random.choice(genotype) 将 return 来自基因型列表的随机元素 ，即，它将等于 0 或 1。所以，既然你是使用 gene 作为索引，您的函数将始终翻转索引 0 或索引 1 处的元素。

您可以改用 random.sample(population, k) 函数。

Answer 3

虽然在给出的答案后您的主要问题似乎已解决：

for i in random.sample(range(len(genotype)), 5):
    genotype[i] ^= 1

并建议使用这种替代（更现实的）突变模型：

for i in [random.choice(range(len(genotype))) for _ in range(5)]:
    genotype[i] ^= 1

我发现这个观察非常具有挑战性并且有点鼓舞人心

I tried putting my code in a loop with a range(1,6) however when I do this it still only changes one of the numbers.

这总是正确的吗？可以还是必须？

我试了几次下面的代码（我从你原来的代码中删除了多余的self）

import random
genotype = [1,0,0,1,0,0,1,1,1,0]

def mutate():
  gene = random.choice(genotype)
  if genotype[gene] == 1:
    genotype[gene] = 0
  else:
    genotype[gene] = 1
  return genotype

print(genotype)

for _ in range(1,6):
    mutate()

print(genotype)

并且只观察到这些输出：

[0, 0, 0, 1, 0, 0, 1, 1, 1, 0] -- 索引 0 处的基因翻转
[1, 1, 0, 1, 0, 0, 1, 1, 1, 0] -- 索引 1 处的基因翻转

事实上，必须这样才能对上面的mutate函数进行奇数次调用：

因为 gene 是 0 和 1 之一，并且同一基因上的两次翻转会重现初始值，因此只会保留与选择的基因索引相对应的突变奇数次，因为你调用它是为了range(1, 6)（奇数总数），所以在整个过程中，0和1中只有一个可以是奇数。

Answer 4

你的问题更多是针对软件工程的问题，而不是EA方面的问题。但是，我想对您从基因组中选择 5 个基因的设计决策提出一些建议。您正在限制 EA 探索对您的解决方案的搜索 space，并且您的 EA 肯定会陷入局部最优并且可能无法逃脱，因为突变的解决方案将仅围绕 5 个基因发生变化（如果限制来自本身就是一个问题，对此无能为力）。例如，EA 可能会通过仅更改 3 个基因或更改 7 个基因来找到接近最优的解决方案。如果是设计选择，您可能会考虑重新审视您的 EA 设计决策。

一般来说，EA社区使用的是基因变异概率。当一个人想要对后代进行变异时，它基于超参数变异概率（另外，由于这是超参数，您也可以针对您的问题调整它以在以后获得良好的结果）。

假设您改变 5 个基因的设计决策是一个约束，并且您还想使用可调超参数突变概率。您可以使用如下解决方案：

import random

def mutate(genotype, m_probe):
  mutated_offspring = []
  mutated_genes_indexes = set()
  for index, gene in enumerate(genotype):
    if random.uniform(0, 1) >= m_probe and len(mutated_genes_indexes) < 5:
      mutated_offspring.append(int(not gene))
      mutated_genes_indexes.add(index)
    else:
      mutated_offspring.append(int(gene))
  print("Mutated genes indexes: ", mutated_genes_indexes)
  return mutated_offspring

# Each genes have 20% probability to get mutated! NOTE: with higher probability you might not find 5 genes mutated, 20 is chosen based on the constraint and can be tuned later with this constraint.
genotype = [1,0,0,1,0,0,1,1,1,0]
print(mutate(genotype, 0.20))

我的首选设计决策是让所有基因无限制地发生突变的机会均等。在这种情况下，解决方案可能如下所示：

import random

def mutate(genotype, m_probe):
  mutated_offspring = []
  mutated_genes_indexes = set()
  for index, gene in enumerate(genotype):
    if random.uniform(0, 1) >= m_probe:
      mutated_offspring.append(int(not gene))
      mutated_genes_indexes.add(index)
    else:
      mutated_offspring.append(int(gene))
  print("Mutated genes indexes: ", mutated_genes_indexes)
  return mutated_offspring

genotype = [1,0,0,1,0,0,1,1,1,0]
print(mutate(genotype, 0.50))

如何随机改变二进制列表中的 5 个值？

How to randomly mutate 5 values in a binary list?

python

random

genetic-algorithm