geatpy
geatpy
是的，遗传算法本体不需要GPU，仅在目标函数计算上需要用GPU。
把数据保存下来之后，用matplotlib 绘图。
为什么会冲突？
你用排列编码就不会产生冲突的变量了呀。
@LLIED 与soea_demo11同理，把它里面的整数集合改成符号集合就好了。
@MaleicAcid 线性染色体是最通用最简单的形式。其他形式的染色体均可转化为线性染色体。 用numpy对染色体进行计算，实现你想要的取0的功能。 40000个变量用经典进化算法会效果不佳，要参考一些最新的论文自定义适合large-scale的算法模板。计算耗时：在i7 9600k上，以多目标zdt1-40000D、N-500、Gen-1000为例，单核跑NSGA2耗时是2267秒；以单目标Ackley-40000D、N-500、Gen-1000为例，单核跑DE/rand/1/bin耗时是2141秒。
无法修改绘图代码。你可以重写一个terminated()函数来在迭代过程中保存种群的目标函数值。
@fkrsr 即将发布的2.6版本里面可以设置某些位的交叉和变异概率为0，这样就可以把它们的值锁死了。目前的版本只能用正如你所描述的传统的办法来实现。