pythonの配列についての質問です。

Question

こちらのコード（遺伝的アルゴリズムを用いたOneMax問題）なのですが、
＃エリートを選択の部分で
elites = eva[:int(len(pop)*elite_rate)]
という一次元配列を作成しているにも関わらず、
＃突然変異、交叉の部分では
child = mutate(elites[m][1])
や、
child = two_point_crossover(elites[m1][1], elites[m2][1])
と、二次元配列の扱いをしていることが理解できません。
どういうことなのでしょうか。

エラー発生しません。

import random
import copy

# パラメータ
gene_length = 10 # 遺伝子長
individual_length = 10 # 個体数
generation = 20 # 世代数
mutate_rate = 0.1 # 突然変異の確率
elite_rate = 0.2 # エリート選択の割合

def get_population():
    population = []
    for i in range(individual_length):
        population.append([random.randint(0,1) for j in range(gene_length)])
    return population


def fitness(pop):
    return sum(pop)


def evaluate(pop):
    pop.sort(reverse=True)
    return pop


def two_point_crossover(parent1, parent2):
    r1 = random.randint(0, gene_length-1)
    r2 = random.randint(r1, gene_length-1)
    child = copy.deepcopy(parent1)
    child[r1:r2] = parent2[r1:r2]
    return child


def mutate(parent):
    r = random.randint(0, gene_length-1)
    child = copy.deepcopy(parent)
    child[r] = 1 if child[r]==0 else 0
    return child


def main():
    # 初期個体生成
    pop = evaluate([(fitness(p), p) for p in get_population()])
    print('Generation: 0')
    print('Min : {}'.format(pop[-1][0]))
    print('Max : {}'.format(pop[0][0]))
    print('--------------------------')

    for g in range(generation):
        print('Generation: ' + str(g+1))

        # エリートを選択
        eva = evaluate(pop)
        elites = eva[:int(len(pop)*elite_rate)]

        # 突然変異、交叉
        pop = elites
        while len(pop) < individual_length:
            if random.random() < mutate_rate:
                m = random.randint(0, len(elites)-1)
                child = mutate(elites[m][1])
            else:
                m1 = random.randint(0, len(elites)-1)
                m2 = random.randint(0, len(elites)-1)
                child = two_point_crossover(elites[m1][1], elites[m2][1])
            pop.append((fitness(child), child))

        # 評価
        eva = evaluate(pop)
        pop = eva

        print('Min : {}'.format(pop[-1][0]))
        print('Max : {}'.format(pop[0][0]))
        print('--------------------------')
    print('Result : {}'.format(pop[0]))


if __name__ == '__main__':
    main()

Answer 1

evaやelitesに実際に何が入っているかprintで見てみましょう。

Answer 2

各行でprintするとわかりますが、
evaは、「評価値と、その遺伝子の内容のリストを要素とするタプル」のリストで、評価値の降順に並んでいます。
例（[(6, [1, 1, 1, 0, 1, 1, 0, 1, 0, 0]),(5, [0, 1, 1, 0, 1, 1, 0, 1, 0, 0]),... ])

elites = eva[:int(len(pop)*elite_rate)]

で、evaから評価の良いものを一定割合だけ抽出しています。

elites[m][1]、というのは、「eliteの、indexがm番目のタプルのうち、遺伝子のリストの部分」を指しています。

>>> elites = [(6, [1, 1, 1, 0, 1, 1, 0, 1, 0, 0]),
...          (5, [0, 1, 1, 0, 1, 1, 0, 1, 0, 0]),
...          (4, [0, 0, 1, 0, 1, 1, 0, 1, 0, 0])]

>>> elites[1][1]

[0, 1, 1, 0, 1, 1, 0, 1, 0, 0]

Comments

[bbiiq]

回答ありがとうございました

Answer 3

と、二次元配列の扱いをしていることが理解できません。

pop = evaluate([(fitness(p), p) for p in get_population()])という部分に注目して
コード内の各変数のデータ構造をよく確認し理解してください。

上記のコードにてpはある個体の遺伝子、fitness(p)は適応度を表しています。
そして(fitness(p), p)というタプルを内包表記でリスト化しています。
つまり各個体は、適応度と遺伝子の組をタプルで持っており、このタプルが１つの個体を表しています。
そして各個体のタプルをリストで持っています。

よってたとえばelites[m][1]はm番目の個体の遺伝子を表しています。
またelites[m][0]は同じくm番目の個体の適応度を表しています。

Comments

[bbiiq]

回答ありがとうございます。
わかりやすい回答で、理解できました。

Answer 4

a = [[1, 2], [3, 4], [5, 6]]

print(a[:2])

した時の結果が1次元のリストだと思いますか?

print(a[:2][0][1])

がエラーになると思いますか?