geneticalgs 1.0.1

遗传算法

遗传算法的标准、迁移和扩散模型在{tt1}$中的实现。

基准测试由COCO platformv15.03执行。

项目摘要可以在project_summary.pdf中找到。

链接到GitHub

链接到PyPI。

链接到Read The Docs。

实现的功能

• 标准、扩散和迁移模型
  • 具有实际值（搜索指定函数的全局最小值或最大值）
  • 使用一些输入数据的二进制编码组合
• 在每一代人的最后，旧的人口完全被新的计算人口所取代（世代人口模型）
• 两类适应值优化
  • 最小化
  • 最大化
• 三种父选择类型
  • 轮盘赌选择
  • rank轮选择
  • 锦标赛
• 可指定变异概率
• 可以指定任意数量的随机比特进行变异
• 可指定交叉概率
• 不同类型的交叉
  • 单点
  • 两点
  • 多点到均匀交叉
• 精英主义可能被打开/关闭（最好的个人可能会迁移到下一代）

内容说明

• /geneticalgs/包含源代码
• /docs/包含sphinx源代码
• /2.7/包含从python 3.5转换为python 2.7的文件，在基准测试中使用3to2 module作为COCO platform仅支持此版本的python。这些文件（未安装的包geneticalgs）用于基准测试。必须用my_experiment.py或my_timing.py复制到目录中。
• /2.7/benchmark/包含以下文件：
  • my_experiment.py用于运行基准测试。阅读更多here。
  用于时间复杂度测量。它与上一个文件具有相同的运行条件。
  • pproc.py是coco平台分发版中的一个修改过的文件，必须将其复制到bbob.v15.03/python/bbob_pproc/，以便对迁移ga的测量数据进行后期处理（其他模型不需要它）。在迁移GA时，由于意外的记录格式，这是必需的。
• /benchmarking/包含测量结果和适当的基准图。
{STR 1 } $/TimeOpthyPosith/<强>包含使用{TT8}$测量的时间结果。
• /examples/包含使用已实现遗传算法的示例。
• /tests/包含pytest测试

要求

• Python3.5+
• NumPy
• bitstring
• sphinx用于文档
• pytest用于测试

安装

键入命令安装软件包

python -m pip install geneticalgs

如果您在安装numpy时遇到问题，建议使用strong。

运行测试

您可以从包目录中键入来运行测试

python setup.py test

文档

转到package目录，然后转到docs/，然后键入

pip install -r requirements.txt

然后键入以下命令以生成HTML格式的文档

make html

并运行doctest

make doctest

许可证

根据Apache License Version 2.0授权。