Python实现MATLAB repmat功能创建Rabbits变量的正确方法

问题背景 #

需要转写的MATLAB代码来自MathWorks文件交换平台开源多目标哈里斯鹰优化（MOHHO）项目的Main_MOHHO.m文件，项目地址：多目标哈里斯鹰优化MOHHO项目。使用Python复现代码时，无法正确构建Rabbits变量。

原MATLAB初始化代码 #

clc;
clear;
close all;
%% Problem Definition
nVar=3;             % Number of Decision Variables
VarSize=[1 nVar];   % Size of Decision Variables Matrix
VarMin=0;          % Lower Bound of Variables
VarMax=1;          % Upper Bound of Variables
nPop=5;            % Population Size
%% Initialization
empty_Rabbit.Location=[];
empty_Rabbit.Cost=[];
empty_Rabbit.Sol=[];
empty_Rabbit.IsDominated=[];
empty_Rabbit.GridIndex=[];
empty_Rabbit.GridSubIndex=[];
Rabbits=repmat(empty_Rabbit,nPop,1);
for i=1:nPop
    Rabbits(i).Location = rand(VarSize).*(VarMax-VarMin)+VarMin; 
    X(i,:) = rand(VarSize).*(VarMax-VarMin)+VarMin;     
end

复现问题表现 #

初始编写的Python代码运行后，所有行的Location属性值完全相同，和MATLAB运行得到的每个个体独立随机位置的结果不符。
初始错误Python代码如下：

import numpy as np
nVar = 3 # Number of Decision Variables
VarSize = np.array((1, nVar)) # Size of Decision Variables Matrix
VarMin = 0 # Lower Bound of Variables
VarMax = 1 # Upper Bound of Variables

nPop = 5 # Population Size
class empty_Rabbit:
  Location = []
  Cost = []
  IsDominated = []
  GridIndex = []
  GridSubIndex = []
  Sol = []

Rabbits = np.tile(empty_Rabbit, (nPop, 1))
X = np.zeros((nPop, nVar))
Rabbit_Location = np.zeros((VarSize))
Rabbit_Energy = math.inf

for i in range(nPop):
  Rabbits[i, 0].Location = np.multiply(np.random.rand(VarSize[0], VarSize[1]), 
                                       (VarMax-VarMin) + VarMin)
  print(Rabbits[i,0].Location)

错误原因 #

• 使用np.tile复制自定义类对象时，复制的全是同一个类的引用，numpy数组中所有位置指向的都是同一个类对象，修改任意位置的属性本质都是修改同一个对象的属性，自然所有元素的属性值都会同步为最后一次赋值的结果
• 类属性直接定义在类体中，所有实例会共享该属性，没有定义为每个实例独有的实例属性
• 随机位置生成逻辑存在括号错误，(VarMax-VarMin) + VarMin的写法完全不符合区间随机数的计算逻辑

正确实现方法 #

不需要强行用np.tile复刻MATLAB的结构体数组复制逻辑，Python中直接通过列表推导式循环创建独立的类实例即可，类的属性要定义在__init__实例方法中，保证每个实例的属性相互独立。
修正后的可运行代码：

import numpy as np
import math

nVar = 3  # 决策变量数量
VarSize = (1, nVar)  # 决策变量矩阵维度
VarMin = 0  # 变量下界
VarMax = 1  # 变量上界
nPop = 5  # 种群规模

# 定义Rabbit类，所有属性为实例独有属性
class Rabbit:
    def __init__(self):
        self.Location = []
        self.Cost = []
        self.Sol = []
        self.IsDominated = []
        self.GridIndex = []
        self.GridSubIndex = []

# 循环生成独立实例，实现和MATLAB repmat(empty_Rabbit,nPop,1)一致的效果
Rabbits = [Rabbit() for _ in range(nPop)]
X = np.zeros((nPop, nVar))
Rabbit_Location = np.zeros(VarSize)
Rabbit_Energy = math.inf

for i in range(nPop):
    # 生成[VarMin, VarMax]区间内的随机位置
    rand_pos = np.random.rand(VarSize[0], VarSize[1]) * (VarMax - VarMin) + VarMin
    Rabbits[i].Location = rand_pos
    X[i, :] = rand_pos
    print(f"第{i+1}个个体位置：{Rabbits[i].Location}")

实现说明 #

• 自定义对象存储使用普通Python列表即可，不需要转为numpy数组，访问时直接通过Rabbits[i]索引对应个体，和MATLAB结构体数组访问逻辑一致
• 所有个体实例都是独立创建的对象，修改任意个体的属性不会影响其他个体
• 修正了随机数生成的计算逻辑，保证生成的位置在设定的变量上下界范围内

内容的提问来源于stack exchange，提问作者Rona Freya