无法理解python遗传算法中的错误

我从YouTube视频中用Python 3.6编写了以下代码，该视频是关于简单遗传算法的教程。我正在努力学习的东西

from fuzzywuzzy import fuzz
import random
import string

class Agent:
    def __init__(self,length):        #Initialization by using a constructor
        self.string = ''.join(random.choice(string.ascii_letters)for _ in range(length))    # Using random letters to make the initial population
        self.fitness = -1

    def __str__(self):               # Special method to print string and fitness value
        return 'String: ' + str(self.string) + ' Fitness: ' + str(self.fitness)

in_str = None
in_str_len = None
population = 20  #20 agents
generations = 1000

def ga():       # For evolving
    agents = init_agents(population,in_str_len)  # Returns a list of initialized agents
    for gen in range(generations):
        print('Generation: ' + str(generations))
        agents = fitness(agents)
        agents = selection(agents)
        agents = crossover(agents)
        agents = mutation(agents)

        if any(agent.fitness >= 90 for agent in agents): # Ends program if agent reaches fitness of 90
            print('Threshold reached')
            exit()
def init_agents(population,len):
    return[Agent(len) for _ in range(population)]

def fitness(agents):
    for agent in agents:
        agent.fitness = fuzz.ratio(agent.string, in_str)   # Gives fuzzy value when comparing agent string to input string
    return agent

def selection(agents):
    agents = sorted(agents, key=lambda agents: agents.fitness, reverse=True)  # Orders agent fitness from largest to smallest because reverse is given as TRUE
    print ('\n'.join(map(str,agents)))
    agents = agents[:int(0.2 * len(agents))]
    return agents

def crossover(agents):
    offspring = []
    for _ in range(int((population - len(agents))) / 2):
        parent1 = random.choice(agents)
        parent2 = random.choice(agents)
        child1 = Agent(in_str_len)
        child2 = Agent(in_str_len)
        split = random.randit(0, in_str_len)
        child1.string = parent1.string[0:split] + parent2.string[split:in_str_len]
        child2.string = parent2.string[0:split] + parent1.string[split:in_str_len]
        offspring.append(child1)
        offspring.append(child2)
    agents.extend(offspring)
    return agents

def mutation(agents):
    for agent in agents:
        for idx, param in enumerate(agent.string):
            if random.uniform[0.0, 1.0] <= 1.0:
                agent.string = agent.string[0:idx] + random.choice(string.ascii_letters) + agent.string[idx+1, in_str_len] # Insert randomly chosen letter for mutation
    return agents

if __name__ == '__main__':
    in_str = 'TargetWord'
    in_str_len = len(in_str)
    ga()

从fuzzyfuzzy导入fuzz
随机输入
导入字符串
类代理：
def uu init uu（self，length）：#使用构造函数初始化
self.string=''.join（random.choice（string.ascii_字母）表示uu范围内（长度））35;使用随机字母进行初始填充
self.fitness=-1
def _str _（self）：#打印字符串和适应值的特殊方法
返回'String:'+str（self.String）+'Fitness:'+str（self.Fitness）
in_str=无
in_str_len=无
人口=20人#20人
世代=1000
def ga（）：#用于进化
agents=init_agents（填充，在_str_len中）#返回初始化代理的列表
对于范围内的发电机（代）：
打印（'Generation:'+str（generations））
代理=健身（代理）
代理=选择（代理）
代理=交叉（代理）
代理=突变（代理）
如果有（代理中的代理的agent.fitness>=90）：#如果代理的适应度达到90，则结束计划
打印（'已达到阈值'）
退出（）
def初始代理（人口，len）：
返回[范围内（总体）的代理（len）]
def健身（代理）：
对于代理中的代理：
agent.fitness=fuzz.ratio（agent.string，in_str）#在比较代理字符串和输入字符串时给出模糊值
退货代理
def选择（代理）：
agents=排序（agents，key=lambda agents:agents.fitness，reverse=True）#将agent fitness从最大到最小排序，因为reverse为True
打印（'\n'.join（映射（str，代理）））
代理=代理[：int（0.2*len（代理））]
退货代理
def交叉（代理）：
后代=[]
对于范围内的（int（（总体-len（代理））/2）：
parent1=随机选择（代理）
parent2=随机选择（代理）
child1=代理（在str中）
child2=代理（按顺序）
split=random.randit（0，单位长度）
child1.string=parent1.string[0:split]+parent2.string[split:in\u str\u len]
child2.string=parent2.string[0:split]+parent1.string[split:in\u str\u len]
子代。追加（child1）
子代。追加（child2）
代理。扩展（后代）
退货代理
def突变（代理）：
对于代理中的代理：
对于idx，枚举中的参数（agent.string）：
如果random.uniform[0.0,1.0]您的
fitness
函数只返回一个
代理，而不是列表。将单个结果传递给
选择
函数，该函数需要一个列表

File "C:/Users/admin/simple_ga.py", line 69, in <module>
    ga()
  File "C:/Users/admin/simple_ga.py", line 23, in ga
    agents = selection(agents)
  File "C:/Users/admin/simple_ga.py", line 39, in selection
    agents = sorted(agents, key=lambda agents: agents.fitness, reverse=True)  # Orders agent fitness from largest to smallest because reverse is given as TRUE
TypeError: 'Agent' object is not iterable