optuna.samplers.nsgaii.SPXCrossover

class optuna.samplers.nsgaii.SPXCrossover(epsilon=None)[source]

由 NSGAIISampler 使用的单纯形交叉操作。

从类似于父个体生成的单一单纯形中均匀采样子个体。有关 SPX 交叉的更多信息，请参阅以下论文

Shigeyoshi Tsutsui and Shigeyoshi Tsutsui and David E. Goldberg and David E. Goldberg and Kumara Sastry and Kumara Sastry Progress Toward Linkage Learning in Real-Coded GAs with Simplex Crossover. IlliGAL Report. 2000.

参数：: epsilon (float | None) – 扩张率。如果未指定，则默认为 sqrt(len(search_space) + 2)。

注意

在 v3.0.0 中添加作为实验性功能。界面可能会在更新版本中更改，恕不另行通知。请参阅 https://github.com/optuna/optuna/releases/tag/v3.0.0。

方法

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

对选定的父个体执行交叉操作。

属性

n_parents

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

对选定的父个体执行交叉操作。

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。表示每个父个体的参数空间。该空间对于数值参数是连续的。
rng (np.random.RandomState) – numpy.random.RandomState 的实例。
study (Study) – 目标 study 对象。
search_space_bounds (np.ndarray) – 一个维度为 len_search_space x 2 的 numpy.ndarray，表示由变换后的搜索空间构建的数值分布边界。

返回：

包含新参数组合的 1 维 numpy.ndarray。

返回类型：

np.ndarray