奇怪的问题

[zhaosongyi]

我运行如下代码:
...
[pop_trace, var_trace, times] = ga.sga_real_templet(AIM_M, 'aimfuc',
None, None, FieldDR, problem = 'I', maxormin =1, MAXGEN = 64,
NIND = 32, SUBPOP = 1, GGAP = 0.85, selectStyle = 'sus',
recombinStyle = 'xovdp', recopt = 0.85, pm = 0.2, distribute =
True, drawing = 1)
print('目标函数最大值：',np.max(pop_trace[:, 1])) # 输出目标函数最大值
print("10 win:", heapq.nsmallest(10,pop_trace[:, 1]))
a=np.reshape(pop_trace[:,1], (-1,1))
b=pd.DataFrame(np.hstack((var_trace,a)))
b.to_csv('output/ipga_result.csv')
print(Top_10_lst)
np.save("top10_result.npy",Top_10_lst)
Top_10=pd.DataFrame(Top_10_lst)
Top_10.to_csv('output/top10_result.csv')
print("end!")

1. 如果在debug状态下跟踪运行, 结果是正常的. 但在正常运行时, 这个学习过程运行了两遍, 并且后面的结果可能全是0, 把第一次的内容冲掉了.
2. 这个pop_trace[:,0]好像是均值, 和quickstart里面的介绍刚好反了.
3. 这只是个建议, 未必和你们初衷. 多代训练后, var_trace里只是记录了每代中的最优, 最后信息重复了. 但其实有时希望能够记录整体训练过程中的, 比如top10, 最优.
   我是在aimfuc中加了一点
   def aimfuc(Phen, LegV):
   global Top_10_lst
   ...
   fit_element=...
   not_good=np.max(Top_10_lst[:,41])
   not_good_row=np.argmax(Top_10_lst[:,41])
   if fit_element<not_good:
   Top_10_lst[not_good_row, 0:40]=Phen[i,0:40]
   Top_10_lst[not_good_row, 41]=fit_element

[1061655504]

我运行如下代码:
...
[pop_trace, var_trace, times] = ga.sga_real_templet(AIM_M, 'aimfuc',
None, None, FieldDR, problem = 'I', maxormin =1, MAXGEN = 64,
NIND = 32, SUBPOP = 1, GGAP = 0.85, selectStyle = 'sus',
recombinStyle = 'xovdp', recopt = 0.85, pm = 0.2, distribute =
True, drawing = 1)
print('目标函数最大值：',np.max(pop_trace[:, 1])) # 输出目标函数最大值
print("10 win:", heapq.nsmallest(10,pop_trace[:, 1]))
a=np.reshape(pop_trace[:,1], (-1,1))
b=pd.DataFrame(np.hstack((var_trace,a)))
b.to_csv('output/ipga_result.csv')
print(Top_10_lst)
np.save("top10_result.npy",Top_10_lst)
Top_10=pd.DataFrame(Top_10_lst)
Top_10.to_csv('output/top10_result.csv')
print("end!")

1. 如果在debug状态下跟踪运行, 结果是正常的. 但在正常运行时, 这个学习过程运行了两遍, 并且后面的结果可能全是0, 把第一次的内容冲掉了.
2. 这个pop_trace[:,0]好像是均值, 和quickstart里面的介绍刚好反了.
3. 这只是个建议, 未必和你们初衷. 多代训练后, var_trace里只是记录了每代中的最优, 最后信息重复了. 但其实有时希望能够记录整体训练过程中的, 比如top10, 最优.
   我是在aimfuc中加了一点
   def aimfuc(Phen, LegV):
   global Top_10_lst
   ...
   fit_element=...
   not_good=np.max(Top_10_lst[:,41])
   not_good_row=np.argmax(Top_10_lst[:,41])
   if fit_element<not_good:
   Top_10_lst[not_good_row, 0:40]=Phen[i,0:40]
   Top_10_lst[not_good_row, 41]=fit_element

您好！pop_trace是算法模板中的进化记录器，quickstart中实现的是自定义的算法模板，里面的pop_trace相关记录的顺序恰好是和geatpy内置的sga_real_templet算法模板相反的。详见源码：https://github.com/geatpy-dev/geatpy/blob/master/geatpy/source-code/templets/sga_real_templet.py
以及：
https://github.com/geatpy-dev/geatpy/blob/master/geatpy/demo/quickstart_demo/quickstart_demo.py

您可以自由创建算法模板，来实现改进、创新的进化算法。无论是geatpy内置模板，还是demo中的自定义模板，都是提供了一些范例，它们也有局限性，也不是最优的、不是最符合各个人、各个项目的需求的。因此，十分赞同您能够结合自己的需要对算法模板作出修改。您可以直接把自定义的算法模板写在一个文件中，然后import这个文件就可以顺利调用了。

感谢您的反馈！

[zhaosongyi]

我是一个使用者和收益者. 再次感谢, 不知第一个问题你们有没有碰到过, 也许我自己程序的问题

[1061655504]

我是一个使用者和收益者. 再次感谢, 不知第一个问题你们有没有碰到过, 也许我自己程序的问题

第一个问题这边无法复现，估测是因为执行脚本的问题，请提供能够运行的完整代码，或添加QQ1061655504，我来帮您看看。