遗传算法标准模型、扩散模型和迁移模型的实现。
geneticalgs的Python项目详细描述
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。
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