python deap_遗传算法库DEAP的示例代码的学习和分析

最近看到用遗传算法优化量化参数的文章，觉得还是有很先进，就开始学习。这个文章主要是针对遗传算法库DEAP的示例代码的学习和分析。

代码链接：其实有不少针对这段代码文章，这里主要说说自己学习和体会。

在分析代码前，先说说这段代码干了什么。这段代码就是如果有一个数组有十个随机数组成，如何得到一组十个最小随机数，其和是最小的。理论上，最小的就是组合就是10个0，但是因这里面因为引入了变异，可以获得负数，所以可以组合变异生成负数值。

1. 定义类型，方法creator.create(name,base,**kargs)

这个有点类似设计模式的工厂模式，这个方法创建一个新的类，名字为参数name，继承的父类为base，这个类的属性如之后的参数名称和参数值。

creator.create("FitnessMin", base.Fitness, weights=(-1.0,))

对应的就是类创建代码：

class FitnessMin(base.Fitness):

weights=(-1.0,)

def __init__(self, values=()):

super(FitnessMin, self).__init__(values=())

creator.create("Individual", list, fitness=creator.FitnessMin)

对应的就是类创建代码：

class Individul(list):

self.fitness=FitnessMin

def __init__(self):

….

1.1 然后取看看base.Fitness这个父类，关键是weights这个属性，主要是做比较用。分析代码，会发现把传入的values序列和weights序列相乘，转为元祖wvalues，返回的时候就相除返回values

defgetValues(self):

returntuple(map(truediv,self.wvalues,self.weights))

defsetValues(self,values):

try:

self.wvalues=tuple(map(mul,values,self.weights))

2.     注册方法；方法

toolbox.register

(self,alias,function,*args,**kargs)

这个是一个比较核心的方法，参数第一个是别名，第二个是需要绑定的真正function，之后其实是针对这个方法的参数。这样做就可以把方法和参数二次打包成