今天在編寫python粒子群尋優(yōu)時(shí)，在定義計(jì)算適應(yīng)度函數(shù)中，我將適應(yīng)度先初始化為每個(gè)粒子位置X(ndarray)的第一個(gè)參數(shù)，然后通過(guò)索引使一些粒子的適應(yīng)度改為-1000。

　　但是發(fā)現(xiàn)結(jié)果總是不收斂，而且跳來(lái)跳去，仔細(xì)調(diào)試了一會(huì)才發(fā)現(xiàn)問(wèn)題出在傳參上，還是基礎(chǔ)掌握的不牢固。

　　在fitness = X[:, 0]這一句中，python實(shí)際上并未分配新的內(nèi)存空間給變量fitness，而是將fitness作為引用指向X[:, 0]所在內(nèi)存地址，于是在通過(guò)索引修改fitness的值時(shí)，粒子的位置X也受到修改，因此造成結(jié)果不對(duì)。

　　所以在用numpy中的深拷貝.copy()代替直接賦值=后，即fitness = (X[:, 0]).copy()，問(wèn)題得到解決。

　　一般來(lái)說(shuō)：

　　如果函數(shù)收到的是一個(gè)可變對(duì)象（比如字典或者列表）的引用，就能修改對(duì)象的原始值。

　　如果函數(shù)收到的是一個(gè)不可變對(duì)象（比如數(shù)字、字符或者元組）的引用，就不能直接修改原始對(duì)象。

　　通過(guò)搜索：

在python中，不可變對(duì)象是共享的，創(chuàng)建可變對(duì)象永遠(yuǎn)是分配新地址

　　有以下例子供思考：

　　我們將a, b都賦值為1，可以看到a, b的地址相同，這時(shí)如果我們將b+1：

　　此時(shí)b與c的地址相同，即不可變對(duì)象的值是共享的。程序只會(huì)在第一次給2分配內(nèi)存地址，之后再創(chuàng)建值為2的變量時(shí)，都會(huì)指向內(nèi)存中同一個(gè)2，而不是重新分配一個(gè)內(nèi)存地址寫入2。

　　但是對(duì)于可變對(duì)象，即使兩個(gè)變量的值相同，其內(nèi)存也會(huì)不同：

　　我們可以觀察到，對(duì)于c = c + [3]，程序重新分配了內(nèi)存空間，符合創(chuàng)建可變對(duì)象永遠(yuǎn)是分配新地址。而對(duì)列表a使用內(nèi)置方法pop后，即使列表內(nèi)容修改，地址也不會(huì)改變，不像第一個(gè)例子將b修改為2后b的地址也發(fā)生改變。同樣對(duì)于直接修改列表中的值也一樣，也就是我一開始碰到的問(wèn)題。

　　參考得：

　　對(duì)于int, float, bool, str, tuple等不可變對(duì)象，變量值的改變本質(zhì)上是該引用變量指向的改變，而原來(lái)那塊內(nèi)存的值是不變的。

　　可變對(duì)象的改變?yōu)樵瓋?nèi)存處值的改變，對(duì)于一個(gè)列表a，如果將其直接賦值給b，則a與b同時(shí)引用一個(gè)列表，一方改變，兩者同變。

　　但是注意列表的這個(gè)改變應(yīng)該限于內(nèi)置方法以及通過(guò)索引修改列表內(nèi)單元的值(?)，就是因?yàn)閯?chuàng)建可變對(duì)象永遠(yuǎn)是分配新地址，如下面例子：

　　總結(jié)：

我們沒(méi)有必要去討論函數(shù)傳參是傳值還是傳址，我們只需要注意傳給函數(shù)可變對(duì)象（比如字典或者列表）的引用，就會(huì)有破壞對(duì)象的原始值的風(fēng)險(xiǎn)，就像C++中將數(shù)組地址傳給函數(shù)一樣。其次我們需要記住：在python中，不可變對(duì)象是共享的，創(chuàng)建可變對(duì)象永遠(yuǎn)是分配新地址！

所以最開始的那個(gè)問(wèn)題，我們甚至可以通過(guò)fitness = X[:, 0] * 1來(lái)代替深拷貝.deep()，因?yàn)榇藭r(shí)fitness已經(jīng)指向新的地址。