本文主要是介绍python+遗传算法+Geatpy库—常用表示，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1,基本数据结构
| numpy | geatpyeatpy中的大部分数据都是都是使用numpy的数组进行存储和计算的 | import geatpy as ea import numpy as np |
| Nind | 种群的规模（个体数量） | Nind = 4(整数） |
| Chrom | 种群染色体用Chrom：种群染色体矩阵
lind表示编码的长度，Nind表示的是种群的规模（个体数量 二维数组，其中每一行对应一个个体的染色体编码 | |
| Phen | Chrom经过解码后得到的基因表现型矩阵Phen
每一行对应一个个体，每一列对应一个决策变量 Nvar表示变量的个数，Nind表示的是种群的规模（个体数量） | Phen的值与采用的解码方式有关 |
| ObjV | 目标函数值
每一行对应每一个个体，=Chrom行数 | 每一列对应一个目标函数 （单目标函数=ObjV会只有1列； 多目标函数=ObjV会有多列） |
| FitnV | 适应度函数
每一行代表一个个体的适应度值，=Chrom行数 | 1，Geatpy中的适应度遵循“最小适应度为0”的约定。 2, |
| CV | 种群个体违反约束矩阵
每一行代表种群的每一个个体；每一列代表一个约束条件 | 1,元素若小于或等于0，表示该元素对应的个体满足对应的约束条件 2，若大于0，表示违反约束条件，值越大，违反程度越高 |
| FieldD | 三种
| 长度等于决策变量个数的行向量 sum(lens)等于染色体的长度 ub：决策变量下界； 1=表示使用格雷编码） ubin：下界否包含其范围的边界。0不包含，1包含； phen=ea.bs2ri(chorm,FieldD) 进行解码 |
| FeildDR |
|
内置的 |
|
| 第一行所有元素都相等， 第二行所有元素也都相等， 第三行元素均为1（排列编码变量是离散的） FieldDR有Lind列（即染色体长度为Lind） | |
| trace | 进化跟踪器 记录种群在进化的过程中各代的最优个体
|
2、种群结构
2.1 Population类
种群类（Population）是一个存储与种群个体相关信息的类。
基本属性：
size:int——种群规模，
ChromNum：int——染色体数目；
Encoding:str——染色体编码方式；
Field:array——译码矩阵，FieldD或者FieldDR
Chrom:array——种群染色体矩阵，每一行对应一个个体的一条染色体；
Lind:int——种群染色体长度
ObjV:array——种群目标函数值矩阵
FitnV:array——种群个体适应度列向量
CV:array——种群个体违反约束条件程度的矩阵
Phen:array——种群表现型矩阵
(48条消息) Geatpy数据结构_hejiegoubao的博客-CSDN博客
这篇关于python+遗传算法+Geatpy库—常用表示的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
