并行NEAT-Python中如何在达到适应度目标时保存最优基因组?
并行NEAT-Python下最优基因组筛选与条件保存实现
原代码存在的问题
- 现有逻辑未对达标状态做显式校验,
p.run()返回的结果不区分是「达到适应度目标提前终止」还是「跑满20代迭代次数自然终止」,会把未达标的最后一代最优基因组误存到本地。 - 没有主动的代际最高适应度跟踪逻辑,完全依赖框架默认行为,无法满足「仅达标才保存」的硬性要求。
实现逻辑说明
- 直接从已加载的配置对象中读取
fitness_threshold参数作为达标阈值,不需要重复解析配置文件。 - 利用NEAT自带的Reporter回调机制,在每代所有基因组完成并行评估后,自动遍历当前代种群筛选适应度最高的个体,和阈值做比对:
- 若达到阈值,立刻将该最优基因组序列化保存到本地,触发种群迭代终止
- 若遍历完全部指定迭代代数都没有个体达标,不生成任何保存文件
- 整个筛选和校验流程运行在主进程,不受ParallelEvaluator的多进程并行逻辑影响,不存在竞态问题。
修正后代码示例
import pickle import neat # 前置逻辑:完成配置加载、eval_genomes评估函数定义、种群对象p初始化 if __name__ == "__main__": # 初始化20进程规模的并行评估器 pe = neat.ParallelEvaluator(20, eval_genomes) # 从配置对象读取预设的适应度目标值 target_fitness = config.fitness_threshold save_flag = False # 自定义代际检测回调 def fitness_check_callback(genomes, config): nonlocal save_flag # 筛选当前代适应度最高的基因组 best_genome = max(genomes, key=lambda item: item[1].fitness)[1] # 达标判定 if best_genome.fitness >= target_fitness: # 保存达标基因组到本地 with open('winner.pkl', 'wb') as f: pickle.dump(best_genome, f, protocol=1) save_flag = True # 通知框架终止后续迭代 p.reporters.found_winner(best_genome, config) return True return False # 绑定回调到种群事件 p.add_reporter(neat.CheckReporter(fitness_check_callback)) # 执行最多20代的迭代,回调返回True时自动提前终止 p.run(pe.evaluate, 20) # 兜底提示 if not save_flag: print("指定迭代代数运行完成,无基因组达到适应度目标,未生成保存文件")
注意事项
- 原代码中保存文件的后缀为
.pk1属于笔误,标准pickle序列化文件的后缀为.pkl,避免后续加载时出现路径识别错误。 - 不要依赖
p.run()的返回值做保存判定:框架跑满代数自然终止时,也会返回最后一代的最优基因组,哪怕其适应度远低于目标值,必须通过独立的标记变量确认达标状态后再执行保存。 - 并行评估模式下,所有基因组的适应度值会在评估任务全部回收后才会更新到主进程的基因组对象上,在回调中读取的适应度值是准确的,不存在读取到初始空值的问题。
内容的提问来源于stack exchange,提问作者Johnny Lunder
相关产品推荐
相关产品推荐

