遗传算法 (Genetic Algorithm)-python案例2

GA 算法则是通过遗传操作对种群中的优秀个体进行选择、交叉和变异，来实现优化问题的求解。

GA 算法的主要特点包括了：

1）使用个体染色体代表问题解；

2）按照适应度函数对种群进行选择、交叉和变异等操作；

3）通过不断优化得到近似最优解。GA 算法主要应用于函数优化、组合优化、机器学习等领域，具有易于实现、全局搜索能力强等优点。

python案例代码：

 

!pip install geneticalgorithm
import numpy as np
from geneticalgorithm import geneticalgorithm as ga
def fitness_function(X):
  x1 = X[0]
  x2 = X[1]
  x3 = X[2]

  #Apply Constraints
  penalty=0
  if 5*x1 + 7*x2 + 4*x3 > 10:
    penalty = np.inf
  
  return -(16*x1+22*x2+12*x3) + penalty #Negate the objective function for maximization and apply penalty

algorithm_params = {'max_num_iteration':None,\
                    'population_size':100,\
                    &