evoopt:最新进化算法的python实现
EvoOpt的Python项目详细描述
evoopt-python中的进化优化
evoopt:python中的进化优化
最新的元启发式和进化优化算法的python实现。
这个库是用numpy(用c编写)实现的,处理速度很快
目录
关于项目
当前对算法的支持
[X]遗传算法
[X]duelist算法
[X]粒子群优化
[X]引力搜索算法
[X]萤火虫算法
[X]模拟退火
[]多维优化
[]灰狼优化
更多的算法…
开始
使用evoopt运行优化问题有四个简单步骤
(示例文件夹中的示例2) 先决条件 **1.定义你的功能。假设要最小化方程式f=(x1,x2)=(x1)^2+(x2)^2** **2.定义可以操作进行优化的变量。将它们的名称定义为字符串并将它们放入数组中。** 3。定义操作变量的边界: 说: x1的范围从-2到10(-2是x1的最小值,10是x1的最大值) x2的范围是10到15(10是x2的最小值,15是x2的最大值) 我们可以根据步骤2中的定义数组来排列这些边界。 相应的代码是: ^{str 1}4美元。设置解算器并开始解算过程。fromsolver.DuelistAlgorithmimportDuelistAlgorithm
deff(x1,x2):returnx1*x1+x2*x2
x=["x1","x2"]
Variables x1 x2 Min -2 5 Max 10 15 xmin=[-2,5]xmax=[10,15]
DA=DuelistAlgorithm(f,x,xmin,xmax,max_gen=1000)DA.solve(plot=True)
示例结果
依赖关系
numpy和matplotlib
窗口:
$python -m pip install numpy matplotlib
Linux:
$pip install numpy matplotlib
安装
您可以使用两种安装方法:
1。从github安装(推荐,因为这将下载最新版本)
首先下载git存储库。您可以通过单击下载按钮或使用git命令来完成此操作:
$ git pull https://github.com/tsyet12/EvoOpt
移动到目录:
$ cd(directory of EvoOpt)
运行安装程序。以下命令安装目录中的所有文件:
$ pip install -e .
**1.从PIP安装**
你可以从pip安装这个包。
Linux:
$ pip install EvoOpt
窗口:
$python -m pip install EvoOpt
用法
待更新。
贡献
贡献使开源社区成为一个学习、激励和创造的绝佳场所。您所作的任何贡献都非常感谢。
- 分叉项目
- 创建功能分支(
git checkout -b testbranch/solvers
) - 提交更改(
git commit -m 'Improve testbranch/solvers'
) - 推到分支(
git push origin testbranch/solvers
) - 打开拉取请求
许可证
根据BSD-2条款许可证分发。有关详细信息,请参见LICENSE
。
联系人
项目链接:https://github.com/tsyet12/EvoOpt