遗传算法锦标赛选择如何避免选出两个相同的亲本？

核心问题根因 #

• 锦标赛参数设置不合理：你设置的k=4正好等于种群总规模，每次锦标赛会遍历全部4个个体，最终必然固定选出得分最低（对应你规则中适应度最高）的个体（得分34对应的索引3的个体），两次调用函数自然会返回完全相同的亲本。
• 原锦标赛函数逻辑错误：循环比较时仅将候选个体与最初随机选取的first_pick比较，没有将前一轮选出的winner作为比较基准，完全不符合锦标赛选择的规则，进一步加剧了选择结果的固定性。

修复实现方案 #

1. 重写锦标赛选择函数 #

新增排除已选个体的参数，修正比较逻辑：

import numpy as np

def tournament_selection(population, scores, k=3, excluded_idx=None):
    # 生成可选索引列表，排除已经选中的亲本索引
    available_indices = list(range(len(population)))
    if excluded_idx is not None:
        available_indices.remove(excluded_idx)
    # 无放回随机选取k个候选个体
    candidate_indices = np.random.choice(available_indices, size=k, replace=False)
    # 选出得分最小的个体（对应适应度最高）
    winner_idx = candidate_indices[np.argmin(scores[candidate_indices])]
    return winner_idx, population[winner_idx, :]

说明：将默认k值调整为3，避免等于种群规模导致每次全局选最优，你也可以根据种群规模调整为种群总数的1/10~1/4区间的值

2. 调整调用逻辑，选第二个亲本时排除第一个的索引 #

# 先将得分转为numpy数组方便索引操作
scores = np.array([44,56,63,34])

for i in range(0, len(population), 2):
    # 选取第一个亲本
    p1_idx, parent_1 = tournament_selection(population, scores)
    # 选取第二个亲本时传入第一个的索引进行排除
    p2_idx, parent_2 = tournament_selection(population, scores, excluded_idx=p1_idx)
    # 后续执行交叉、变异等遗传操作即可

可选优化方案 #

如果你的后续场景允许小概率出现重复亲本，不需要强制排除，只需要把k值调整到远小于种群规模的范围，即可大幅降低重复选择的概率，不需要额外加排除逻辑。

内容的提问来源于stack exchange，提问作者Zzyy