optuna.samplers.nsgaii.SBXCrossover

class optuna.samplers.nsgaii.SBXCrossover(eta=None, uniform_crossover_prob=0.5, use_child_gene_prob=0.5)[源码]

NSGAIISampler 使用的模拟二元交叉操作。

根据多项式概率分布从两个父代个体生成一个子代个体。

在论文中，SBX 只有一个参数 eta，并生成两个子代个体。然而，Optuna 在一次交叉操作中只能返回一个子代个体，因此它使用 uniform_crossover_prob 和 use_child_gene_prob 参数将两个个体合并为一个。

参数:

eta (float | None) – 分布指数。较小的 eta 值允许选择较远的解作为子代解。如果未指定，单目标函数默认值为 2，多目标函数默认值为 20。
uniform_crossover_prob (float) – uniform_crossover_prob 是在选定的两个作为候选子代个体的个体之间进行均匀交叉的概率。此参数决定是否将两个个体交叉生成一个子代个体。如果 uniform_crossover_prob 超过 0.5，则结果等同于 1-uniform_crossover_prob，因为会返回交叉结果的两个个体之一。如果未指定，默认值为 0.5。取值范围为 [0.0, 1.0]。
use_child_gene_prob (float) – use_child_gene_prob 是使用生成的子代变量值而不是父代值（相对于每个变量）的概率。此概率独立应用于每个变量，其中 1-use_chile_gene_prob 是按原样使用父代值的概率。如果未指定，默认值为 0.5。取值范围为 (0.0, 1.0]。

注意

在 v3.0.0 中作为实验性功能添加。接口在后续版本中可能在没有事先通知的情况下发生更改。请参阅 https://github.com/optuna/optuna/releases/tag/v3.0.0。

方法

crossover(parents_params, rng, study, ...)

执行选定的父代个体的交叉操作。

属性

n_parents

crossover(parents_params, rng, study, search_space_bounds)[源码]

执行选定的父代个体的交叉操作。

此方法在 sample_relative() 中调用。

参数:

parents_params (np.ndarray) – 一个维度为 num_parents x num_parameters 的 numpy.ndarray。表示每个父代个体的参数空间。对于数值参数，此空间是连续的。
rng (np.random.RandomState) – numpy.random.RandomState 的一个实例。
study (Study) – 目标研究对象。
search_space_bounds (np.ndarray) – 一个维度为 len_search_space x 2 的 numpy.ndarray，表示从转换后的搜索空间构建的数值分布边界。

返回:

一个包含新参数组合的一维 numpy.ndarray。

返回类型:

np.ndarray