如何调试PYGAD内置锦标赛父代选择方法并打印选中父代

要查看锦标赛选择的父代，直接调用PYGAD实例的select_parents()方法即可，该方法会返回选中父代的索引，结合种群和适应度值就能清楚看到选中的个体及选择逻辑。

具体实现步骤： #

• 计算种群适应度后，调用ga_instance.select_parents()获取选中父代的索引
• 根据索引从种群和适应度数组中提取对应个体和适应度值，打印输出细节

修改后的代码如下：

import numpy as np
import pygad

def fitness_func(ga_instance, solution, solution_idx):
    return sum(solution)

population = np.array([[9, 9, 9], [6, 6, 6], [7, 7, 7], [8, 8, 8],[1,1,1],[2,2,2],[3,3,3],[0,0,0],[4,4,4],[5,5,5]])

ga_instance = pygad.GA(initial_population=population,
                       parent_selection_type="tournament",
                       K_tournament = 3)

# 计算初始种群的适应度
fitness = ga_instance.cal_pop_fitness()
print("初始种群适应度：", fitness)

# 执行父代选择，获取选中父代的索引
parent_indices = ga_instance.select_parents(fitness=fitness)
print("选中的父代索引：", parent_indices)

# 打印选中的父代个体及其适应度
print("\n选中的父代详情：")
for idx in parent_indices:
    print(f"个体：{population[idx]}，适应度：{fitness[idx]}")

额外说明： #

• K_tournament=3表示每次锦标赛从种群中随机挑选3个个体，选出适应度最高的那个作为父代
• 由于锦标赛选择带有随机性，若要观察多次选择结果，可将选择和打印代码放入循环中执行
• 若需深度自定义调试逻辑，可编写自定义父代选择函数并添加打印语句，再将parent_selection_type设为该函数名

内容的提问来源于stack exchange，提问作者Cn Hu