我剛開始使用DEAP。之前，我使用基於Matlab的遺傳算法，在交叉和變異後選擇具有特定大小的更好的個體，然後更新種羣。但是它是相當我很難理解爲什麼在DEAP的評估個體無效適應的交叉和變異過程後需要： invalid_ind = [ind for ind in offspring if not ind.fitness.valid]
fitnesses = map(toolbox.evaluate
我是新的OpenMPI工作...我構建了一個GA算法（C++）來解決第n個變量方程，現在我試圖通過使用OpenMPI並行化來提高其性能。 的代碼結構去如下： int main(int argc, char *argv[]){
int i=1;
int print=0;
int fitness_check;
if (argc < 2) print=1;
我無法弄清楚如何重複這段代碼。該代碼適用於我正在開發的初始遺傳算法函數。我是一個極端的代碼業餘愛好者，所以如果它是愚蠢的，對不起。 :) 我覺得我很接近，我有三種代碼的變體，這兩種變體都不是那裏的，但是比較接近（......也許......）。 這裏是變化1我的代碼： population_size = int(raw_input('Enter a population size:'))
de