matlab与python中随机数生成的差异

我是python的新手。我正在尝试实现一个遗传算法，我以前在MatLab中实现过。我需要为我的初始群体创建几个染色体（个体）。在MatLab中，我用一个

rand

函数来实现这一点，它给了我很多独特的（或至少足够不同的）初始填充。但在python中，我尝试了不同的随机方法，但在50个个体中，我只有3到4条独特的染色体。这是我在

\uuuu main\uuuu.py

中的python代码：

for i in range(pop_size):
        popSpace.append(Chromosom(G=mG,M=mM))
        sum_Q+=popSpace[i].Q

和我的

Chromosom

类：

class Chromosom:   
    def __init__(self,G,M):
            self.Q = 0
            self.V = []
            self.Chr = [0]*len(self.M)
            self.M= M
            self.G= G
            self.randomChromosom() 
            self.updateQ_Qs() 

    def randomChromosom(self):
        for m in range(len(self.M)):
            if (random.random()< 0.5):
                self.Chr[m] = 1
            else:
                self.Chr[m] = 0

类染色体：
定义初始值（self，G，M）：
self.Q=0
self.V=[]
self.Chr=[0]*len（self.M）
self.M=M
self.G=G
self.randomChromosom（）
self.updateQ_Qs（）
def随机染色体（自身）：
对于范围内的m（len（self.m））：
如果（random.random（）<0.5）：
self.Chr[m]=1
其他：
self.Chr[m]=0

---

我也尝试过获取随机位，但结果仍然是一样的。例如，我使用

print（str（main.mRand.getrandbits（6））

查看控制台中的结果，发现重复的数字太多了。有没有方法创建更独特的随机数？在MatLab中，使用

rand

函数的相同代码运行良好（当然速度非常慢）.如此接近的初始群体在接下来的步骤中会导致糟糕的结果（我还应该提到，随机性问题也会导致类似的突变）。我的问题是有这么多相似的染色体。例如，我有几个

01111001

s，考虑到它们的发生概率，这很奇怪。

a“更唯一”的随机数就不再是随机数了。你能不能定义函数

updateQ_Qs（）

，什么是

M

，什么是

G

？python也不像matlab那样工作，如果

Chr[M]

是空的，因为

Chr[M]

不存在。此代码应返回一个错误。请提供一个工作示例并给出预期结果。

updateQ_Qs（）

是我的适应度函数，它为每个染色体返回一个浮点值。表示“更唯一”“我想提到的是，例如，我有几条染色体的基因顺序很奇怪（我编辑了代码）。50个序列中至少有两个相同的序列（长度为8）的概率是

1-prod（1-[（0:49）/2^8]）

=99.41%，所以这并不奇怪8位→ 0÷255Random.random和random中的其他函数对于这些问题来说已经足够好了，但是您在这里发布的代码在尝试访问

self.M

之前会引发

AttributeError

，然后在

\uuuu init\uuuuuu

中对其进行分类。否则，该代码在Python中非常灵活-它是l最终，同一个对象在多个实例中保存染色体数据。