我需要生成遗传算法的初始种群。考虑以下向量：
[20, 2, 20, 1.5, 5, 20, 5, 0.5, -0.5, 5, 20, 5, 3, 14, 70, 30, 10, 5, 5, 20, 8, 20, 2.5]
我会这样做：
new_population = numpy.random.uniform(low=0.1, high=50.0, size=pop_size)
问题是，问题空间中的一些染色体具有不同的步骤和不同的最大值。元素0应为1-100，步长为1（So int）。元素3应为0.1-10，步长为0.1（Float）。这种随机化的最简单方法是什么？
由于您的染色体的范围似乎是硬编码的，我建议您生成所有数字，只有一个numpy.random.uniform（），您需要的范围最小，例如在您的示例中为0.1-10，然后您将获得的数字相乘按以下比例编号：
wanted_range / base_range
在您的示例中，您将乘以10.（请注意，此方法的步长和范围之间的比率必须相同）
您没有提供足够的数据来查看短代码的任何模式。
但是，您可以执行以下操作：列出列表，其中每个子列表由以下元素组成：bounds = [[low, high, step], ...]
然后初始化一个空的numpy数组，即new_population = np.empty(23)然后你可以用for循环遍历bounds并生成每个元素：
for i, value in enumerate(bounds):
new_population[i] = np.random.uniform((low=value[0], high=value[1], size=value[2])