如何实现二进制数组解的单个基因反转突变及PyGAD参数调整

• 需求：当解为二进制数组时，实现对单个基因的反转突变（0变1、1变0）。
• 现状：基于PyGAD编写遗传算法，设置mutation_type="inversion"、mutation_num_genes=1，但输出不符合预期：有时无基因被修改，有时同时改变多个基因。
• 运行代码：

import pygad
import numpy as np


def divider(ga_instance):
    return np.max(np.sum(ga_instance.population, axis=1))


def on_start(ga_instance):
    print("on_start()")
    print(f'Начальная популяция:\n {ga_instance.population}')


def fitness_function(ga_instance, solution, _):
    return np.sum(solution) / divider(ga_instance)


def on_fitness(ga_instance, population_fitness):
    print(f'\non_fitness()')
    print(f'Делитель: {divider(ga_instance)}')
    for idx, (instance, fitness) in enumerate(zip(ga_instance.population, ga_instance.last_generation_fitness)):
        print(f'{idx}. {instance}: {fitness}')


def on_parents(ga_instance, selected_parents):
    print("\non_parents()")
    print(f'Выбранные индексы родителей: {ga_instance.last_generation_parents_indices}')
    print(f'Выбранные родители:\n {ga_instance.last_generation_parents}')


def on_crossover(ga_instance, offspring_crossover):
    print("\non_crossover()")
    print(f'Результат кроссинговера:\n {ga_instance.last_generation_offspring_crossover}')


def on_mutation(ga_instance, offspring_mutation):
    print("\non_mutation()")
    print(f'Результат мутации:\n {ga_instance.last_generation_offspring_mutation}')


def on_generation(ga_instance):
    print(f"\non_generation()")
    print("Выведенное поколение:\n ", ga_instance.population)
    sol = ga_instance.best_solution()
    print(f"Лучшее решение: {sol[0]} : {sol[1]}")


ga_instance = pygad.GA(
    num_generations=1,
    num_parents_mating=2,
    fitness_func=fitness_function,
    gene_type=int,
    init_range_low=0,
    init_range_high=2,
    sol_per_pop=10,
    num_genes=8,
    crossover_type='single_point',
    parent_selection_type="rws",
    mutation_type="inversion",
    mutation_num_genes=1,
    on_start=on_start,
    on_fitness=on_fitness,
    on_parents=on_parents,
    on_crossover=on_crossover,
    on_mutation=on_mutation,
    on_generation=on_generation,
)

ga_instance.run()

PyGAD中的inversion突变类型并非指单个基因的0/1翻转，而是对一段连续基因进行逆序排列：

• 当mutation_num_genes=1时，单个基因逆序后与原基因完全一致，因此不会产生任何变化；
• 若随机选中的突变片段长度大于1，就会改变多个基因的顺序，完全偏离了你需要的单基因反转需求。

要实现二进制基因的单基因翻转，有两种可行方案：

方案1：使用内置随机突变并限制取值范围 #

修改突变参数，让随机突变仅在0和1之间切换，确保每次只修改一个基因：

ga_instance = pygad.GA(
    # 保留原有其他参数
    num_generations=1,
    num_parents_mating=2,
    fitness_func=fitness_function,
    gene_type=int,
    init_range_low=0,
    init_range_high=2,
    sol_per_pop=10,
    num_genes=8,
    crossover_type='single_point',
    parent_selection_type="rws",
    # 修改突变相关参数
    mutation_type="random",
    mutation_num_genes=1,
    mutation_by_replacement=True,
    mutation_range=(0, 1),
    # 保留回调函数
    on_start=on_start,
    on_fitness=on_fitness,
    on_parents=on_parents,
    on_crossover=on_crossover,
    on_mutation=on_mutation,
    on_generation=on_generation,
)

方案2：自定义突变函数 #

如果需要更精准的控制，可编写自定义突变函数，确保每次仅翻转一个随机选中的二进制基因：

def custom_bit_flip_mutation(offspring, ga_instance):
    for idx in range(offspring.shape[0]):
        # 随机选择一个待翻转的基因索引
        target_gene = np.random.randint(0, ga_instance.num_genes)
        # 执行翻转操作：0→1，1→0
        offspring[idx, target_gene] = 1 - offspring[idx, target_gene]
    return offspring

# 在GA初始化中使用自定义突变
ga_instance = pygad.GA(
    # 保留原有其他参数
    num_generations=1,
    num_parents_mating=2,
    fitness_func=fitness_function,
    gene_type=int,
    init_range_low=0,
    init_range_high=2,
    sol_per_pop=10,
    num_genes=8,
    crossover_type='single_point',
    parent_selection_type="rws",
    # 指定自定义突变函数
    mutation_type=custom_bit_flip_mutation,
    # 保留回调函数
    on_start=on_start,
    on_fitness=on_fitness,
    on_parents=on_parents,
    on_crossover=on_crossover,
    on_mutation=on_mutation,
    on_generation=on_generation,
)

使用上述任意一种方案后，每次突变都会精准翻转单个二进制基因，不会出现无变化或多基因修改的情况，完全符合需求。

内容的提问来源于stack exchange，提问作者Intolighter