NumPy追加3D列表矩阵报形状不匹配广播错误

报错本质是NumPy赋值时维度不匹配，触发广播失败：

• 你的matlist（即传入selection的population参数）中存储的每个个体是形状为(3,5)的二维矩阵（对应3个任务、5个传感器节点），整个种群共5个个体，整体为3D结构。
• selection函数中初始化parents数组时，错误设置形状为(num_parents, len(population))即(2,5)，导致每个行切片parents[i, :]是长度为5的一维数组。
• 你尝试将形状为(3,5)的完整个体矩阵赋值给长度为5的一维切片时，NumPy无法按广播规则完成维度匹配，因此抛出ValueError。
• 之前注释掉的parents[i, :] = population[max_fitness_idx[0][0]][2]能运行，是因为你只取了个体矩阵的第3行（形状为(5,)），刚好和切片维度匹配，所以只能存入单行数据。
• 附带隐性问题：原crossover函数按2D数组逻辑编写，即使修正selection的维度，后续交叉逻辑也会因为维度不匹配报错；另外原代码中无效节点置零部分误用双等号==（比较运算），导致置零逻辑完全不生效。

• 修正selection函数的数组初始化逻辑，对齐个体维度
  初始化parents时，形状要匹配「父代数量 + 单个个体的矩阵形状」，修改后代码如下：

  def selection(fitness, num_parents, population):
      fitness = list(fitness)
      # 对齐形状：num_parents个父代，每个父代形状和种群内个体一致
      parents = numpy.empty((num_parents, *population[0].shape), dtype=int)
      for i in range(num_parents):
          max_fitness_val = numpy.max(fitness)
          max_fitness_idx = numpy.where(fitness == max_fitness_val)[0][0]
          parents[i] = population[max_fitness_idx]
          fitness[max_fitness_idx] = -999999
      return parents
  

• 修正crossover函数，适配3D数组结构
  调整offsprings初始化形状，交叉操作按任务维度逐行处理即可，修改后代码如下：

  def crossover(parents, num_offsprings):
      # 适配3D结构初始化子代
      offsprings = numpy.empty((num_offsprings, *parents.shape[1:]), dtype=int)
      # 沿节点维度计算交叉点
      crossover_point = int(parents.shape[-1] / 2)
      crossover_rate = 0.5
      i = 0
      while i < num_offsprings:
          parent1_idx = i % parents.shape[0]
          parent2_idx = (i + 1) % parents.shape[0]
          if random.random() > crossover_rate:
              i += 1
              continue
          # 逐行完成片段交叉
          offsprings[i, :, :crossover_point] = parents[parent1_idx, :, :crossover_point]
          offsprings[i, :, crossover_point:] = parents[parent2_idx, :, crossover_point:]
          i += 1
      return offsprings
  

• 修正无效节点置零的笔误
  将原代码中三处init_pop[x][i] == 0的双等号改为单等号=，否则赋值逻辑不会生效。

内容的提问来源于stack exchange，提问作者Atraxia