optuna.samplers.nsgaii.UniformCrossover

class optuna.samplers.nsgaii.UniformCrossover(swapping_prob=0.5)

NSGAIISampler 使用的均匀交叉操作。

以相等的概率从两个父代个体中选择每个参数。有关均匀交叉的更多信息，请参阅以下论文：

• Gilbert Syswerda. 1989. Uniform Crossover in Genetic Algorithms. In Proceedings of the 3rd International Conference on Genetic Algorithms. Morgan Kaufmann Publishers Inc., San Francisco, CA, USA, 2-9.

参数:

swapping_prob (float) – 交叉过程中交换父代每个参数的概率。

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