遗传算法如何避免选择相同父代？现有代码重复选父代的原因是什么

你代码存在两个核心问题：

1. select_individual函数实现错误：你将return语句写在了for循环内部，循环仅执行1次就会返回结果，完全没有完成k=4次的竞标赛比较逻辑，实际效果仅为随机抽取2个个体返回适应度更高的那个，大幅拉高了高适应度个体被选中的概率。
2. 父代选择环节没有去重逻辑：两次父代选择是完全独立的随机过程，竞标赛选择本身属于有放回抽样，本身就存在连续选中同一个个体的概率，你没有做重复校验自然会出现重复父代的情况。

• 竞标赛选择属于有放回抽样，高适应度个体被选中的概率本身就高于其他个体，连续两次选中同一个体属于正常概率事件
• 错误的选择函数实现进一步拉高了高适应度个体的选中概率，提升了重复出现的概率
• 选择逻辑中没有加入重复校验机制，无法拦截连续选中同一个体的情况

首先修复竞标赛选择函数，改为标准实现，返回个体索引方便后续去重：

import numpy as np
# 标准竞标赛选择，返回选中个体的索引
def select_individual(population, scores, k=4):
    # 随机抽取k个候选索引
    candidates = np.random.randint(0, len(population), k)
    # 返回k个候选中适应度最高的个体索引
    winner_idx = candidates[np.argmax(scores[candidates])]
    return winner_idx

然后调整父代选择逻辑，加入重复校验：

# 修正你初始种群的语法错误
population = np.array([[0,0,0,0,1],[0,0,0,1,0],[0,0,1,0,0],[0,1,0,0,0]])
scores = np.array([2,3,4,5])

for i in range(0, len(population), 2):
    # 选择第一个父代
    p1_idx = select_individual(population, scores)
    # 选择第二个父代，和第一个重复就重新选择
    p2_idx = select_individual(population, scores)
    while p2_idx == p1_idx:
        p2_idx = select_individual(population, scores)
    # 取出对应个体
    parent_1 = population[p1_idx]
    parent_2 = population[p2_idx]
    
    print('Parent_1: ', np.round(parent_1, 2))
    print('Parent_2: ', np.round(parent_2, 2))

如果你的种群规模较小，也可以选择无放回的选择逻辑，每选中一个个体就将其从候选池中移除，避免后续重复选中，这种方案更适合种群规模不大的场景。

内容的提问来源于stack exchange，提问作者Zzyy