0
from pylab import *
import numpy as np
import sys
def initial():
generation = [0,0,1,1,1,1,1,1,1,0,0,0,0,0]
generation = generation
return generation
def fitness(flag):
global transfer
transfer = []
newgeneration1 = pairing()
scores = [1,2,3,7,6,5,3]
if flag < 1:
generation = initial()
else:
generation = newgeneration1
transfer.append(generation)
transfer.append(scores)
print(transfer)
return transfer
def pairing():
transfer = fitness(i)
scores = transfer[1]
generation1 = transfer[0]
newgeneration = [1,0,1,0,0,0,0,0,1,0,1,1,1,1]
return newgeneration
initial()
for i in range(3):
fitness(i)
pairing()
if i == 3:
scores = fitness(i)
print("The following is the final generation: ")
print(pairing(i-1))
print("Here are the scores: ")
print(scores)
sys.exit()
以上是我在python 3.5中的遗传算法代码的一个简化版本,当我运行这个时我收到一个错误,说:超过最大递归深度,I我试图让它做一次初始函数,然后在适应度和配对之间循环一定次数的迭代,问题是,配对()创建新一代,并且健身需要采用新一代并确定其适应度,然后它发送到配对,另一个新一代创建..等等。你明白了。预先感谢任何帮助!Python 3.5 - 遗传算法循环
'配对()'叫'健身(我)'和'健身()'叫'配对()'没有任何有条件的判断。这是一个死循环。 –
并避免使用'global'。相反,将'transfer'传递给'paring' – pylang
如果你正在尝试做可再现的工作,不要从'''pylab import *'执行''。这会摧毁你的名字空间。 – pylang