Python遗传算法Geatpy工具箱怎么用

一、 什么是遗传算法

遗传算法是仿真生物遗传学和自然选择机理,通过人工方式所构造的一类搜索算法,从某种程度上说遗传算法是对生物进化过程进行的数学方式仿真。生物种群的生存过程普遍遵循达尔文进化准则,群体中的个体根据对环境的适应能力而被大自然所选择或淘汰。进化过程的结果反映在个体的结构上,其染色体包含若干基因,相应的表现型和基因型的联系体现了个体的外部特性与内部机理间逻辑关系。通过个体之间的交叉、变异来适应大自然环境。生物染色体用数学方式或计算机方式来体现就是一串数码,仍叫染色体,有时也叫个体;适应能力是对应着一个染色体的一个数值来衡量;染色体的选择或淘汰则按所面对的问题是求最大还是最小来进行。

Python遗传算法Geatpy工具箱怎么用

Python遗传算法Geatpy工具箱怎么用

二、 遗传算法库Geatpy

2.1 遗传算法工具箱Geatpy参数介绍

API官方参考文档

population参数【重要属性:Chrom,Phen,Objv,CV,FitnV】

  • sizes : int – 种群规模,即种群的个体数目。

  • ChromNum : int – 染色体的数目,即每个个体有多少条染色体。

  • Encoding : str – 染色体编码方式, ‘BG’:二进制/格雷编码; ‘RI’:实整数编码,即实数和整数的混合编码; ‘P’:排列编码

  • Field : array – 译码矩阵

  • Chrom : array – 种群染色体矩阵,每一行对应一个个体的一条染色体。

  • Lind : int – 种群染色体长度。

  • ObjV : array – 种群目标函数值矩阵,每一行对应一个个体的目标函数值,每一列对应一个目标

  • FitnV : array – 种群个体适应度列向量,每个元素对应一个个体的适应度,最小适应度为0

  • CV : array – CV(Constraint Violation Value)是用来定量描述违反约束条件程度的矩阵,每行对应一个个体,每列对应一个约束

  • Phen : array – 种群表现型矩阵(即种群各染色体解码后所代表的决策变量所组成的矩阵)。

  • 如果通过CV矩阵基于可行性法则进行约束的设置,那么 不等式约束需要 ≤,等式约束 需要传入abs( ) (因为遵循值越大,适应度越小的原则)

Python遗传算法Geatpy工具箱怎么用

Python遗传算法Geatpy工具箱怎么用

  • ea.Problem.init()中的lbin与ubin(决策变量范围边界矩阵)表示范围区间的开闭,1闭合0开区间

Geatpy 结果参数介绍

success: True or False, 表示算法是否成功求解。

s较好Msg: 存储着算法停止原因的字符串。

optPop: 存储着算法求解结果的种群对象。如果无可行解,则optPop.sizes=0。optPop.Phen为决策变量矩阵,optPop.ObjV为目标函数值矩阵。

lastPop: 算法进化结束后的最后一代种群对象。

Vars: 等于optPop.Phen,此处即优异解。若无可行解,则Vars=None。

ObjV: 等于optPop.ObjV,此处即优异解对应的目标函数值。若无可行解,ObjV=None。

CV: 等于optPop.CV,此处即优异解对应的违反约束程度矩阵。若无可行解,CV=None。

startTime: 程序执行开始时间。

endTime: 程序执行结束时间。

executeTime: 算法 所用时间。

nfev: 算法评价次数

gd: (多目标优化且给定了理论优异解时才有) GD指标值。

igd: (多目标优化且给定了理论优异解时才有) IGD指标值。

hv: (多目标优化才有) HV指标值。

spacing: (多目标优化才有) Spacing指标值。

三、优异实践

3.1 代码示例 | 参数模板

Python遗传算法Geatpy工具箱怎么用

解集:

header_regex = '|'.join(['{}'] * len(headers))header_str = header_regex.format(*[str(key).center(width) for key, width in zip(headers, widths)])print("=" * len(header_str))            print(header_str)            print("-" * len(header_str))

Python遗传算法Geatpy工具箱怎么用

gen: 进化代数
eval:记录评价次数
f_opt: 当代优异个体的目标函数值
f_max=当代种群最大函数值
f_min 最小 f_avg : 平均水平
f_std: 标准约束水平

Python遗传算法Geatpy工具箱怎么用

Python遗传算法Geatpy工具箱怎么用

3.2 优异实践

使用geatpy库求解有向无环图最短路

代码【最短路】一:使用geatpy库

import numpy as npimport geatpy as eaclass MyProblem(ea.Problem):  # 继承Problem父类    def __init__(self):        name = 'Shortest_Path'  # 初始化name(函数名称,可以随意设置)        M = 1  # 初始化M(目标维数)        maxormins = [1]  # 初始化maxormins(目标最小最大化标记列表,1:最小化该目标;-1:最大化该目标)        Dim = 10  # 初始化Dim(决策变量维数)        varTypes = [1] * Dim  # 初始化varTypes(决策变量的类型,元素为0表示对应的变量是连续的;1表示是离散的)        lb = [0] * Dim  # 决策变量下界        ub = [9] * Dim  # 决策变量上界        lbin = [1] * Dim  # 决策变量下边界 1表示闭合区间,0表示开区间        ubin = [1] * Dim  # 决策变量上边界        # 调用父类构造方法完成实例化        ea.Problem.__init__(self, name, M, maxormins, Dim, varTypes, lb, ub, lbin, ubin)        # 设置每一个结点下一步可达的结点(结点从1开始数,因此列表nodes的第0号元素设为空列表表示无意义)        self.nodes = [[], [2, 3], [3, 4, 5], [5, 6], [7, 8], [4, 6], [7, 9], [8, 9], [9, 10], [10]]        # 设置有向图中各条边的权重        self.weights = {'(1, 2)': 36, '(1, 3)': 27, '(2, 4)': 18, '(2, 5)': 20, '(2, 3)': 13, '(3, 5)': 12,                        '(3, 6)': 23,                        '(4, 7)': 11, '(4, 8)': 32, '(5, 4)': 16, '(5, 6)': 30, '(6, 7)': 12, '(6, 9)': 38,                        '(7, 8)': 20,                        '(7, 9)': 32, '(8, 9)': 15, '(8, 10)': 24, '(9, 10)': 13}    def decode(self, priority):  # 将优先级编码的染色体解码得到一条从节点1到节点10的可行路径        edges = []  # 存储边        path = [1]  # 结点1是路径起点        while not path[-1] == 10:  # 开始从起点走到终点            currentNode = path[-1]  # 得到当前所在的结点编号            nextNodes = self.nodes[currentNode]  # 获取下一步可达的结点组成的列表            chooseNode = nextNodes[np.argmax(                priority[np.array(nextNodes) - 1])]  # 从NextNodes中选择优先级更高的结点作为下一步要访问的结点,因为结点从1数起,而下标从0数起,因此要减去1            path.append(chooseNode)            edges.append((currentNode, chooseNode))        return path, edges    def aimFunc(self, pop):  # 目标函数        pop.ObjV = np.zeros((pop.sizes, 1))  # 初始化ObjV        for i in range(pop.sizes):  # 遍历种群的每个个体,分别计算各个个体的目标函数值            priority = pop.Phen[i, :]            path, edges = self.decode(priority)  # 将优先级编码的染色体解码得到访问路径及经过的边            pathLen = 0            for edge in edges:                key = str(edge)  # 根据路径得到键值,以便根据键值找到路径对应的长度                if not key in self.weights:                    raise RuntimeError("Error in aimFunc: The path is invalid. (当前路径是无效的。)", path)                pathLen += self.weights[key]  # 将该段路径长度加入            pop.ObjV[i] = pathLen  # 计算目标函数值,赋值给pop种群对象的ObjV属性## 执行脚本if __name__ == "__main__":    # 实例化问题对象    problem = MyProblem()    # 构建算法    algorithm = ea.soea_EGA_templet(problem,                                    ea.Population(Encoding='RI', NIND=4),                                    MAXGEN=10,  # 最大进化代数                                    logTras=1)  # 表示每隔多少代记录一次日志信息    # 求解    res = ea.optimize(algorithm, verbose=True, drawing=1, outputMsg=False, drawLog=False, saveFlag=True,                      dirName='result')    print('最短路程为:%s' % (res['ObjV'][0][0]))    print('优异路线为:')    best_journey, edges = problem.decode(res['Vars'][0])    for i in range(len(best_journey)):        print(int(best_journey[i]), end=' ')    print()

关于“Python遗传算法Geatpy工具箱怎么用”这篇文章的内容就介绍到这里,感谢各位的阅读!相信大家对“Python遗传算法Geatpy工具箱怎么用”知识都有一定的了解,大家如果还想学习更多知识,欢迎关注亿速云行业资讯频道。

文章标题:Python遗传算法Geatpy工具箱怎么用,发布者:亿速云,转载请注明出处:https://worktile.com/kb/p/24266

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
亿速云的头像亿速云
上一篇 2022年9月10日 下午11:48
下一篇 2022年9月10日 下午11:49

相关推荐

  • 猫鼠服务器是什么公司

    猫鼠(Cats and Mouse)服务器可能是您要询问的一种服务器类型,或者是一个特定服务器名称的误解,但在知识库中并无明确的记录表示猫鼠服务器代表着一个具体的公司。如果您是在询问一个公司或品牌名为“猫鼠”的服务器供应商,可能需要提供更多信息或者具体的上下文才能得出准确答案。如果您实际上指的是一个…

    2024年4月25日
    7900
  • 推理服务器作用是什么

    摘要 推理服务器的作用是1、执行模型推理任务、2、优化推理性能、3、降低延迟、4、提高吞吐量、5、支持多种模型格式、6、提供模型管理与扩展功能。 在这些核心功能中,优化推理性能尤为关键,因为它直接关系到模型部署后的效率和稳定性。推理服务器通过使用专门的算法和硬件加速技术,大幅提高处理速度,同时保持高…

    2024年4月25日
    9600
  • 服务器管理的好处是什么

    摘要 服务器管理的好处包括: 1.提高安全性、2.增强性能、3.确保数据完整性、4.优化资源利用,等重要方面。特别是提高安全性,这是服务器管理中的关键部分,为防止未授权访问、数据泄露和其他潜在威胁,定期对服务器进行维护和更新至关重要。此外,安装安全软件、监控系统漏洞、及时打补丁和执行严格的访问控制策…

    2024年4月25日
    8400
  • 云服务器存储资料是什么

    摘要 云服务器存储资料是1、通过网络访问的远程服务器上存储的数据,其依赖于2、云计算技术,使得数据存取更加灵活和高效。在这两点中,通过网络访问的远程服务器存储意味着用户无需对物理硬件进行管理或投入高额的初期成本,而是通过互联网连接到远程数据中心,实现数据存储和管理。这种模式不仅降低了企业或个人的技术…

    2024年4月25日
    8500
  • 下挂的服务器叫什么

    摘要:下挂的服务器通常被称作1、边缘服务器或2、即服务外设。其中,边缘服务器主要用于提高网络服务的访问速度和提升用户体验。通过布局在接近最终用户的地理位置上,这种服务器能够缓存内容,减少数据传输的延迟,加快载入速度,有效缓解主服务器的负荷。边缘服务器尤其适用于内容交付网络(CDN)和大数据分析等场景…

    2024年4月25日
    9900
注册PingCode 在线客服
站长微信
站长微信
电话联系

400-800-1024

工作日9:30-21:00在线

分享本页
返回顶部