optuna.samplers.nsgaii.VSBXCrossover

class optuna.samplers.nsgaii.VSBXCrossover(eta=None)

由 NSGAIISampler 使用的改进的模拟二元交叉 (Modified Simulated Binary Crossover) 操作。

vSBX 在不排除参数空间任何区域的情况下生成子代个体，同时保持了 SBX 的优良特性。

• Pedro J. Ballester, Jonathan N. Carter. Real-Parameter Genetic Algorithms for Finding Multiple Optimal Solutions in Multi-modal Optimization. GECCO 2003: 706-717

参数:

eta (float | None) – 分布指数。较小的 eta 值允许选择距离较远的解作为子代解。如果未指定，单目标函数取默认值 2，多目标函数取默认值 20。

注意

作为实验性功能在 v3.0.0 中添加。接口可能在后续版本中更改，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, ...)

执行选定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 1 维 numpy.ndarray。

返回类型:

np.ndarray