PyGAD适应度函数如何获取当前进化代数传入外部调用流程

你写的带3个入参的fitness_func不能直接用。PyGAD内部调用适应度函数时固定只传solution、solution_idx两个参数，直接加第三个ga_instance参数会触发参数数量不匹配的报错。

下面两个方案都是实测兼容PyGAD原生逻辑、不会出现代数计数偏差的实现，优先选第一个，改动量最小。

方案1：给适应度函数动态绑定GA实例引用 #

Python中函数是一等对象，支持动态添加自定义属性，你可以在GA实例初始化完成后，把实例对象直接绑定到适应度函数上，函数内部就能随时读取到当前的进化代数，完全不改动你原有的外部进程调用逻辑。
示例代码：

import pygad

def fitness_func(solution, solution_idx):
    # 从函数自身属性获取绑定的GA实例
    ga = fitness_func.linked_ga_instance
    # 读取当前已完成的代数：初始种群评估时该值为0，对应第0代，和文件夹命名逻辑完全匹配
    current_gen = ga.generation_completed
    # 调用你原有的外部进程计算逻辑
    process_data = function2callprocess(solution, solution_idx, current_gen)
    return fitness(process_data)

# 初始化GA实例，先传入定义好的fitness_func
ga_instance = pygad.GA(
    num_generations=100,
    num_parents_mating=20,
    sol_per_pop=50,
    num_genes=10,
    fitness_func=fitness_func,
    # 补充你自己需要的其余配置参数
)

# 关键步骤：初始化完成后把GA实例绑定到适应度函数的自定义属性上
fitness_func.linked_ga_instance = ga_instance

# 启动进化
ga_instance.run()

这个方案没有额外的封装层，调试方便，代数读取100%准确，不会出现计数错漏。

方案2：闭包包装适应度函数 #

如果你不想给函数动态加属性，可以用闭包把GA实例的引用封装在函数作用域内，注意初始化顺序即可：

import pygad

def get_wrapped_fitness(ga_instance):
    # 内部函数捕获ga_instance的引用，符合PyGAD要求的双参数签名
    def fitness_func(solution, solution_idx):
        current_gen = ga_instance.generation_completed
        process_data = function2callprocess(solution, solution_idx, current_gen)
        return fitness(process_data)
    return fitness_func

# 初始化GA实例，先传一个双参数的占位适应度函数
ga_instance = pygad.GA(
    num_generations=100,
    num_parents_mating=20,
    sol_per_pop=50,
    num_genes=10,
    fitness_func=lambda sol, idx: 0, # 临时占位
    # 补充其余配置参数
)

# 生成绑定了GA实例的真实适应度函数，替换占位函数
ga_instance.fitness_func = get_wrapped_fitness(ga_instance)

# 启动进化
ga_instance.run()

• 不推荐用全局变量手动记录代数：如果你用on_generation回调更新全局代数变量，很容易因为回调触发时机和适应度评估时机错位，导致代数计数偏移1代，给文件夹命名带来混乱。
• generation_completed属性的计数逻辑和你的需求完全匹配：评估第0代初始种群时该值为0，每跑完一代自动+1，不需要手动维护计数。

内容的提问来源于stack exchange，提问作者Maria Alejandra González