为何for循环中初始化的粒子x1属性随机数全部相同？

你用np.full(20, Particle(Position(), Position(), Position()))创建粒子数组时，所有元素都是同一个Particle实例的引用。因为Particle(...)仅在调用np.full时执行一次，生成单个实例后，数组里的20个元素全指向这个实例。循环中每次修改p.position.x1，本质都是在修改同一个Position对象的属性，最终所有粒子的x1都会变成循环最后一次生成的随机数。

不要用np.full复用同一个实例，而是逐个创建独立的Particle对象：

import numpy as np
import random
from dataclasses import dataclass

@dataclass
class Position:
    x1: int = 0
    x2: int = 0

@dataclass
class Particle:
    position: Position
    pbest: Position 
    velocity: Position
    f : float = 0.0

def initialize():
    # 列表推导式逐个生成独立的Particle实例，再转为numpy数组
    particles = np.array([Particle(Position(), Position(), Position()) for _ in range(20)])
    
    for p in particles:
        p.position.x1 = random.randint(-5, 5)
    return particles

这样每个Particle及其关联的position、pbest、velocity都是独立对象，修改单个粒子的属性不会影响其他粒子。

内容的提问来源于stack exchange，提问作者mSafdel