Python遗传算法中cross_over函数意外修改原始种群问题排查

嘿，这个问题我太熟了——本质是Python里列表的引用传递和浅拷贝特性在搞鬼！虽然你在调用gen_pairs时用了population.copy()，但这个操作只是做了浅拷贝：它复制了顶层的列表容器，但里面的每个二进制子列表（也就是种群里的个体）仍然是指向原始population中对应元素的引用，并没有真正生成独立的副本。

咱们捋一遍问题的发生路径：

• 在gen_pairs函数里，你通过pair.append(populationl[temp])把浅拷贝后的列表元素加入配对，但这些元素和原始种群里的个体是同一个对象；
• 到了cross_over函数，当你执行pr[0][:index], pr[1][:index] = pr[1][:index], pr[0][:index]时，你直接修改了这些引用指向的原始列表内容——相当于绕了个弯子修改了原始种群，哪怕你没直接传population变量进去。

另外还有个小坑：你用prs.index(pr)来获取配对的索引，如果出现重复的配对（比如同一个个体被选中多次），index()只会返回第一个匹配项的位置，导致mp的概率对应错误，建议用enumerate来遍历索引更可靠。

解决方案：操作个体的副本而非原始引用 #

有两种简单的修复方式，选哪种都可以：

方法1：生成配对时就创建个体的副本

修改gen_pairs函数，在添加个体到配对时，对子列表做拷贝，确保每个配对里的个体都是独立的副本：

def gen_pairs(populationl, prob):
    pairsl = []
    test = [0, 1, 2, 3, 4, 5]
    for i in range(3):
        pair = []
        for j in range(2):
            temp = np.random.choice(test, p=prob)
            # 对每个个体子列表做拷贝，生成独立副本
            pair.append(populationl[temp].copy())
        pairsl.append(pair)
    return pairsl

方法2：在交叉操作前创建个体副本

如果你不想修改gen_pairs，可以在cross_over里操作前先复制个体，避免触碰原始引用：

def cross_over(prs, mp):
    new = []
    # 用enumerate获取索引，避免prs.index(pr)的索引错误问题
    for idx, pr in enumerate(prs):
        if mp[idx] == 1:
            index = np.random.choice([1,2,3], p=[1/3, 1/3, 1/3])
            # 创建两个个体的独立副本
            ind1 = pr[0].copy()
            ind2 = pr[1].copy()
            # 对副本执行交叉操作
            ind1[:index], ind2[:index] = ind2[:index], ind1[:index]
            new.append(ind1)
            new.append(ind2)
        else:
            # 不交叉时也添加副本，保证新种群和原始种群完全独立
            new.append(pr[0].copy())
            new.append(pr[1].copy())
    return new

这两种方法都能确保交叉操作只作用于新的个体副本，不会影响原始的population变量。

内容的提问来源于stack exchange，提问作者Mohammad Nur