启发式算法Python代码库——scikit-opt.pdfVIP

启发式算法Python代码库——scikit-opt ⼀个封装了7种启发式算法的 Python 代码库——scikit-opt （ 分进化算法、遗传算法、粒⼦群算法、模拟退⽕算法、蚁群算法、鱼群算法、免疫优化算法） 安装 pip install scikit-opt 特性 特性1 ：UDF （⽤户 ⾃定义算⼦） # step 1: define your own op erator: def selection_tournament(algorithm, tourn_size) : FitV algorithm.FitV sel_ index [] for i in range(algorithm.size_ pop) : aspirants_ index np.random.choice(range(algorithm.size_ pop), size tourn_size) sel_ index.append(max(aspirants_ index, key lambda i: FitV[i])) algorithm.Chrom algorithm.Chrom[sel_ index, :] # next generation return algorithm.Chrom 导⼊包，并且创建遗传算法实例 import numpy as np from sko.GA import GA, GA_TSP demo_func lambda x : x[0] ** 2 + (x[1] - 0.05) ** 2 + (x[2] - 0.5) ** 2 ga GA(func demo_func, n_dim 3, size_ pop 100, max_ iter 500, prob_ mut 0.001, lb [-1, -10, -5], ub [2, 10, 2], precision [1e-7, 1e-7, 1]) 把你的算⼦注册到你创建好的遗传算法实例上 ga.register(operator_ name selection, operator selection_tournament, tourn_size 3) scikit-opt 也提供了⼗⼏个算⼦供你调⽤ from sko.operators import ranking, selection, crossover, mutation ga.register(operator_ name ranking, operator ranking.ranking). \ register(operator_ name crossover, operator crossover.crossover_2point). \ register(operator_ name mutation, operator mutation.mutation) 做遗传算法运算 best_x, best_y ga.run() print(best_x :, best_x, \n, best_y :, best_y) 现在 udf ⽀持遗传算法的这⼏个算⼦ ： crossover, mutation, selection, ranking Scikit-opt 也提供了⼗来个算⼦ 提供⼀个⾯向对象风格的⾃定义算⼦的⽅法，供进阶⽤户使⽤: class MyGA(GA) : def selection(self, tourn_size 3) : FitV self.FitV sel_ index [] for i in range(self.size_ pop) : aspirants_ index np.random.choice(range(self.size_ pop), size tourn_size) sel_ index.append(max(aspirants_ index, key lambda i: FitV[i])) self.Chrom self.Chrom[sel_ index, :] # next generation