遗传算法的Python实现

import random



    
#初始化种群
def initialize_pop（population N V nbits）:
    #自变量个数V并没有用到
    
    for i in range（N）:
        tempIndividual=[]
        for j in nbits:
            tempVal=[]
            for k in range（j）:
                tempVal.append（random.randint（0 1））
            tempIndividual.append（tempVal）
        population.append（tempIndividual）
    return population
import copy
import random
#轮盘赌选择法
def selection（population fitness_value N nbits）:
    s1 = sum（fitness_value）
    temp1 = [k*1.0/s1 for k in fitness_value]

    dict1 = {}  
    for i in range（len（population））:
        dict1[i] = temp1[i]
    
    dict2 = {}
    for i in dict1:
        dict2[list（dict1.keys（））[list（dict1.values（））.index（min（temp1））]] = min（temp1）
        temp1.remove（min（temp1））
    
    dict3 = {}
    s2=0
    for i in dict2:
        s2 = s2 + dict2[i]
        dict3[i] = s2
    #采用父辈循环来选择下一代种群
    temp2 = []
    for i in dict3dict3dict3dict3dict3dict3:
        for j in i:
            r=random.random（）
            if r <= dict3[j]:
                if len（temp2）                    temp2.append（j）
                else:
                    break

    temp3 = []
    for i in temp2:
        temp3.append（copy.deepcopy（population[i]））
    population[:] = temp3
    ‘‘‘temp2 = []
    for i in dict3:
        r=random.random（）
        if r <= dict3[i]:
            temp2.append（i）‘‘‘
    
    #未被选择的个体重新生成
    ‘‘‘for i in range（N-len（temp3））:
        tempIndividual=[]
        for j in nbits:
            tempVal=[]
            for k in range（j）: