Python DEAP中的适应度共享

是否有任何方法可以通过使用来实现健身共享/小生境？具体来说，我正在寻找pdf第98页定义的方法（Goldberg的健身分享）的实现。如果您知道DEAP中的任何其他方法，这也会很有用

---

谢谢

编写您自己的选择程序。 默认例程位于，可以作为入门指南

例如：

def selYourSelectionRoutine(individuals, k):
    """Select the *k* best individuals among the input *individuals*.

    :param individuals: A list of individuals to select from.
    :param k: The number of individuals to select.
    :returns: A list containing the k best individuals.
    """
    return sorted(individuals, key=attrgetter("fitness"), reverse=True)[:k]

然后将其与deap的其他部分一起使用，因为他们规定：

toolbox.register("select", tools.selYourSelectionRoutine, yourargs)

我有一个更像是基于相对适合度的概率选择，我没有这个权利，它只有大约10-15行python，所以它可以完成，而且不难做到

---

我还不知道该特定选择例程的任何公开实现。

要进行健身共享，您必须定义自己的共享健身功能，该功能取决于整个人群

假设您已经定义了一个

fitness

函数，您可以执行以下操作：

来自scipy.spatial导入距离矩阵的

def共享（距离、西格玛、阿尔法）：
res=0
if Distance注意这是在统计网站上。问题已从统计网站上删除。链接中描述的方法涉及修改适应度函数，而不是选择函数。
population = toolbox.population()
toolbox.register('evaluate', shared_fitness, population=population, sigma=0.1, alpha=1.)