如何使用DEAP库中访问遗传算法的所有可行解决方案？

Question

我正在尝试应用GA来生成一组满足约束列表的解决方案。我想找到满足营养约束的饮食解决方案（个体），我认为GA可能是一种很好的方法。我在这里找到了一个类似的例子： >但是，不使用约束的示例，它只找到最佳解决方案。因此，我的问题是：

1. 如何删除所有不可行的解决方案，而只评估不违反约束的个人？
2. 是否有一种方法可以存储所有满足我约束（也不最佳）的生成的个人？

从DEAP库的网页中，我发现我可以添加一个可行性函数，在这里我会像在此处那样对不可行的解决方案进行惩罚：

def feasible(individual):
individual = individual[0]
if (7*1999. < sum(x*y for x,y in zip(kcal_data,individual)) < 7*2001. and
    7*60.5 < sum(x*y for x,y in zip(prot_data,individual)) and 
    ... and so on....): 
    return True
return False

toolbox.decorate("evaluate", tools.DeltaPenalty(feasible, 9999)) 

但是，尽管它们违反了约束，但仍保留了解决方案。 是否可以直接在评估功能中插入约束，以确保我仅评估Feaisble解决方案？ 删除解决方案吗？

还是我可以为我的第二个问题 但是，当使用GA时，更糟糕的解决方案将从人群中删除，从而导致最终人群最好。 是否可以从算法（包括中间解决方案）中存储所有

？

世代