optuna.samplers.nsgaii.UNDXCrossover

class optuna.samplers.nsgaii.UNDXCrossover(sigma_xi=0.5, sigma_eta=None)

NSGAIISampler 使用的单峰正态分布交叉。.

使用多元正态分布从三个父代生成子代个体。

• H. Kita, I. Ono and S. Kobayashi, Multi-parental extension of the unimodal normal distribution crossover for real-coded genetic algorithms, Proceedings of the 1999 Congress on Evolutionary Computation-CEC99 (Cat. No. 99TH8406), 1999, pp. 1581-1588 Vol. 2

参数:

• sigma_xi (float) – 从中抽取 xi 的正态分布的参数。

• sigma_eta (float | None) – 从中抽取 etas 的正态分布的参数。如果未指定，则默认为 0.35 / sqrt(len(search_space))。

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)

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