我正在使用python中的DEAP库解决遗传编程最大化问题。
我用eaSimple algorithm创建了60％的交叉概率和30％的突变概率的种群。
人群中最佳个体的适应度在增加，但人群的平均适应度有时在下降（例如，第一个人群的平均适应度大于最后一个人群的平均适应度）。
这是正常现象还是设置有问题？
还要提及的另一件事是，我将最差适应度设置为零，并且人口中确实包括适应度值为零（人口规模为1000）的个人。
最佳答案
eaSimple算法在初始种群的所有个体上使用varAnd策略，并且不进行选择。因此，eaSimple算法可探索特征空间，但在优化方面没有多大作用。如果确实要使用此算法，建议您使用HallOfFame对象记住在探索过程中找到的最佳对象。
从the documentation中描述eaSimple功能的伪代码中，
population = select(population, len(population))
表示人口中的所有要素都被采用。例如，如果您的
select函数是tools.SelBest，则您选择了n最佳个体，其中n是人口规模。然后使用
varAnd策略（documentation），在此策略中，根据父级个体在总体中的索引进行配对并进行交配。两个生成的后代具有替换两个原始父代的固定概率。关于python - 使用DEAP在基因编程(最大化问题)中降低群体的平均适应度是否正常？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/57178174/