python - 如何在遗传算法中解码个体？

Question

不确定我的措辞是否正确。

我有一个数据集，我将其转换为包含我的交易的 df，例如：

bread  egg  milk  newspaper  orange  pineapple  sugar
0      1    1     0          0       0          0      0
1      0    0     1          0       0          0      0
2      0    0     0          0       0          1      0
3      0    0     0          1       0          0      0
4      1    1     0          0       1          0      0
5      0    0     1          0       0          0      1
6      0    1     0          1       0          0      0 

我已将其转换为位列表以填充遗传算法：

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

这成为我的遗传算法中的初始种群。

但是，我不知道如何为这些数据设计一个合适的适应度函数，因为这些位并没有真正承载它们的原始含义？['1', '1', '0', '0', '0', '0', '0'] 例如不带有我想在适应度函数中使用的原始支持值。

知道我该怎么做吗？

此外，在我的算法结束时，我得到了一个最好的人（在教程的帮助下设计）。我怎样才能获得一些优秀的人？

标签： pythongenetic-algorithm