Python随机种子在遗传编程示例代码中不起作用

Question

我正在尝试使用Toby Segaran的《编程集体智能》第11章中的遗传编程代码来获得可重复的结果。不过，单纯设置“random.seed(55)”似乎没有效果，把原来的代码“from random import ....”改成“import random”也没用，甚至改变Random()也没有帮助。这些方法看起来都差不多，树的构建开始是一样的，但之后就开始分歧了。

我查阅了很多关于随机数行为的资料，但在他的遗传编程代码中，我找不到任何理由解释这种分歧。代码中似乎只有调用随机数的部分，没有其他会导致这种行为的变化。我理解调用random.seed()应该能正确设置所有的随机调用，而且代码根本没有使用多线程，所以我不明白为什么会出现这种分歧。

有没有人修改过这个代码，使其能够产生可重复的结果？有没有什么更好的方法来调用random.seed()？

抱歉没有提供示例代码，但这段代码显然不是我自己的（我只是添加了对seed的调用，并改变了代码中随机数的调用方式），而且这似乎不是一个简单的随机数问题（我已经阅读了这里关于Python随机数的所有条目，以及网上的许多相关内容）。

谢谢。

Mark L.

Answer 1

这可能会对你有帮助，下面是创建一个不会被其他地方干扰的随机对象的方法：

from random import Random
random = Random(55)
# random can be used like the plain module

如果其他库出于某种原因调用了 random.seed，也不会影响你为程序创建的随机对象。

Answer 2

我在gp.py文件中添加了以下函数，其他地方没有做任何改动：

def set_seed(n):
  import random
  random.seed(n)

我使用的模块是基于这本书第267页的例子。我可以确认，在以下实验中，我得到了不同的结果：

>>> import gp
>>> gp.set_seed(55)
>>> rf = gp.getrankfunction(gp.buildhiddenset())
>>> gp.evolve(2, 500, rf, mutationrate=0.2, breedingrate=0.1, pexp=0.7, pnew=0.1)

结果在打印的第4个值时就开始出现差异。我在每次实验之间都重启解释器，所以问题不是由之前的状态引起的。

编辑：

我发现了随机因素。问题出在树的内存地址上。rank函数会对结果列表进行排序，每个项目都是一个包含分数和树的元组。在不同的运行之间，地址会发生变化，因此相同分数的树的相对排序顺序就不是固定的。幸运的是，Python有稳定的排序方法，所以解决方案很简单。只需使用一个排序关键字，仅根据分数进行排序：

def getrankfunction(dataset):
  def rankfunction(population):
    scores=[(scorefunction(t, dataset), t) for t in population]
    scores.sort(key=lambda x: x[0])
    return scores
  return rankfunction

Answer 3

我刚才遇到了同样的问题，虽然和我写的代码完全没有关系。我觉得我的解决办法和eryksun的答案有点像，不过我没有用树。我用的是一些集合，然后我用 random.choice(list(set)) 从中随机选择值。有时候，即使每次用的种子都一样，我得到的结果（选中的项目）还是不一样，这让我快要抓狂了。在看到eryksun的回答后，我试着用 random.choice(sorted(set))，结果问题好像就解决了。我对Python的内部工作原理了解得不够，所以不能解释为什么会这样。