DE算法代码学习

摘要:本文按照差分进化算法流程,结合代码,逐步分析了DE求函数最值的全过程

DE算法主要的控制参数包括:种群规模(NP)、缩放因子(F)和交叉概率(CR)

目标函数和参数定义

import numpy as np
POPULATION = 10
F = 0.7
P_CROSS = 0.9
MAX_ITER = 50
LAM = 1e15
lb = np.array([-10])
ub = np.array([10])
def obj_func(u):
    #f
的函数
    #f = np.cos(u) * np.exp(-(u - np.pi) ** 2)
    f = (np.pi)*(np.exp(u**2))+np.cos(u)
    return f[0]

初始化种群,随机生成种群个体:个体=下限+rand(0,1)【上限-下限】(确定每个个体的基因)

i为个体序位,j为基因序位

s = np.zeros((POPULATION, len(lb)))# 待变异个体/父代
fitness = np.zeros(POPULATION)
# 初始化种群个体
for i in range(POPULATION):
    s[i] = lb + (ub - lb) * np.random.rand(len(lb))
    fitness[i] = obj_func(s[i])
i = 0
f_opt = np.min(fitness)# 最优值f
u_opt = s[np.argmin(fitness)]# 最优解x

变异:随机选取种群中两个不同的个体,将其向量差缩放后与待变异个体进行向量合成。

差分进化算法与遗传算法最显着的区别在于DE的个体变异是通过差分策略实现的。

在进化过程中,必须保证新生成的解的有效性,因此必须判断生成的解是否满足边界条件,如果不满足,则需要重新生成(生成方案与初始种群相同)。

while i < MAX_ITER:
    i += 1
    k = np.random.randint(0, POPULATION, 2)
    v = s + F * (s[k[0]] - s[k[1]])#
合成变异个体v,这里v是一个数组

    for x in v:
        for p in range(len(x)):# 检查v是否满足边界条件
            if x[p] > ub[p]:
                x[p] = ub[p]
            if x[p] < lb[p]:
                x[p] = lb[p]

杂交:该代种群与变异中间体交叉【变异体必有基因遗传给下一代】

is_cross = np.random.rand(POPULATION * len(lb)).reshape((POPULATION, len(lb))) < P_CROSS
v = s * (1 - is_cross) + v * is_cross #
按要求杂交

选择:采用贪婪算法来选择下一代种群个体。if f(ui​(g+1))⩽f(xi​(g))。贪心算法为f。

 # 贪心选择
    for p in range(POPULATION):
        f_new = obj_func(v[p])
        if f_new <= fitness[p]:
            s[p] = v[p]
            fitness[p] = f_new
        if f_new < f_opt:
            f_opt = f_new
            u_opt = v[p]
            print(u_opt, f_opt, sep='\t')

Return最优。
print("The solution is:", u_opt)
print("The objective value is:", f_opt)

函数最小值寻优结果:

函数为f(x)=e^(x^2)+cos(x),-10<=x<=10。

这与min=π+1相差无几。

下面是DE算法求函数最小值源代码:

import numpy as np

# define some constants
POPULATION = 10
F = 0.7
P_CROSS = 0.9
MAX_ITER = 50
LAM = 1e15

print("Differential Evolution algorithm for constrained optimization")
print("Test case for nonlinear optimization: ")
print("-------------------------------------------------------------")

lb = np.array([-10])
ub = np.array([10])


# def obj_func(u):
#     z = 0.01 * u[0]**2 + u[1]**2 - 100
#     g = 10 * u[0] - u[1] - 10
#     if g >= 0:
#         h = 0
#     else:
#         h = 1
#     z += LAM * h * g**2
#     return z

def obj_func(u):
    #f的函数
    #f = np.cos(u) * np.exp(-(u - np.pi) ** 2)
    f = (np.pi)*(np.exp(u**2))+np.cos(u)
    return f[0]


# generate the initial generation
s = np.zeros((POPULATION, len(lb)))# 待变异个体/父代
fitness = np.zeros(POPULATION)
# 初始化种群个体
for i in range(POPULATION):
    s[i] = lb + (ub - lb) * np.random.rand(len(lb))
    fitness[i] = obj_func(s[i])

i = 0
f_opt = np.min(fitness)# 最优值f
u_opt = s[np.argmin(fitness)]# 最优解x

# starting the DE algorithm
while i < MAX_ITER:
    i += 1
    k = np.random.randint(0, POPULATION, 2)
    v = s + F * (s[k[0]] - s[k[1]])# 合成变异个体v,这里v是一个数组

    for x in v:
        for p in range(len(x)):# 检查v是否满足边界条件
            if x[p] > ub[p]:
                x[p] = ub[p]
            if x[p] < lb[p]:
                x[p] = lb[p]

    is_cross = np.random.rand(POPULATION * len(lb)).reshape((POPULATION, len(lb))) < P_CROSS
    v = s * (1 - is_cross) + v * is_cross # 按要求杂交
    # 贪心选择
    for p in range(POPULATION):
        f_new = obj_func(v[p])
        if f_new <= fitness[p]:
            s[p] = v[p]
            fitness[p] = f_new
        if f_new < f_opt:
            f_opt = f_new
            u_opt = v[p]
            print(u_opt, f_opt, sep='\t')

print("The solution is:", u_opt)
print("The objective value is:", f_opt)

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目录 目录 1 Graph 图论 3 | DAG 的深度优先搜索标记 3 | 无向图找桥 3 | 无向图连通度(割) 3 | 最大团问题 DP + DFS 3 | 欧拉路径 O(E) 3 | DIJKSTRA 数组实现 O(N^2) 3 | DIJKSTRA O(E * LOG E) 4 | BELLMANFORD 单源最短路 O(VE) 4 | SPFA(SHORTEST PATH FASTER ALGORITHM) 4 | 第 K 短路(DIJKSTRA) 5 | 第 K 短路(A*) 5 | PRIM 求 MST 6 | 次小生成树 O(V^2) 6 | 最小生成森林问题(K 颗树)O(MLOGM). 6 | 有向图最小树形图 6 | MINIMAL STEINER TREE 6 | TARJAN 强连通分量 7 | 弦图判断 7 | 弦图的 PERFECT ELIMINATION 点排列 7 | 稳定婚姻问题 O(N^2) 7 | 拓扑排序 8 | 无向图连通分支(DFS/BFS 邻接阵) 8 | 有向图强连通分支(DFS/BFS 邻接阵)O(N^2) 8 | 有向图最小点基(邻接阵)O(N^2) 9 | FLOYD 求最小环 9 | 2-SAT 问题 9 Network 网络流 11 | 二分图匹配(匈牙利算法 DFS 实现) 11 | 二分图匹配(匈牙利算法 BFS 实现) 11 | 二分图匹配(HOPCROFT-CARP 的算法) 11 | 二分图最佳匹配(KUHN MUNKRAS 算法 O(M*M*N)) 11 | 无向图最小割 O(N^3) 12 | 有上下界的最小(最大)流 12 | DINIC 最大流 O(V^2 * E) 12 | HLPP 最大流 O(V^3) 13 | 最小费用流 O(V * E * F) 13 | 最小费用流 O(V^2 * F) 14 | 最佳边割集 15 | 最佳点割集 15 | 最小边割集 15 | 最小点割集(点连通度) 16 | 最小路径覆盖 O(N^3) 16 | 最小点集覆盖 16 Structure 数据结构 17 | 求某天是星期几 17 | 左偏树 合并复杂度 O(LOG N) 17 | 树状数组 17 | 二维树状数组 17 | TRIE 树(K 叉) 17 | TRIE 树(左儿子又兄弟) 18 | 后缀数组 O(N * LOG N) 18 | 后缀数组 O(N) 18 | RMQ 离线算法 O(N*LOGN)+O(1) 19 | RMQ(RANGE MINIMUM/MAXIMUM QUERY)-ST 算法 (O(NLOGN + Q)) 19 | RMQ 离线算法 O(N*LOGN)+O(1)求解 LCA 19 | LCA 离线算法 O(E)+O(1) 20 | 带权值的并查集 20 | 快速排序 20 | 2 台机器工作调度 20 | 比较高效的大数 20 | 普通的大数运算 21 | 最长公共递增子序列 O(N^2) 22 | 0-1 分数规划 22 | 最长有序子序列(递增/递减/非递增/非递减) 22 | 最长公共子序列 23 | 最少找硬币问题(贪心策略-深搜实现) 23 | 棋盘分割 23 | 汉诺塔 23 | STL 中的 PRIORITY_QUEUE 24 | 堆栈 24 | 区间最大频率 24 | 取第 K 个元素 25 | 归并排序求逆序数 25 | 逆序数推排列数 25 | 二分查找 25 | 二分查找(大于等于 V 的第一个值) 25 | 所有数位相加 25 Number 数论 26 1 |递推求欧拉函数 PHI(I) 26 |单独求欧拉函数 PHI(X) 26 | GCD 最大公约数 26 | 快速 GCD 26 | 扩展 GCD 26 | 模线性方程 A * X = B (% N) 26 | 模线性方程组 26 | 筛素数 [1..N] 26 | 高效求小范围素数 [1..N] 26 | 随机素数测试(伪素数原理) 26 | 组合数学相关 26 | POLYA 计数 27 | 组合数 C(N, R) 27 | 最大 1 矩阵 27 | 约瑟夫环问题(数学方法) 27 | 约瑟夫环问题(数组模拟) 27 | 取石子游戏 1 27 | 集合划分问题 27 | 大数平方根(字符串数组表示) 28 | 大数取模的二进制方法 28 | 线性方程组 A[][]X[]=B[] 28 | 追赶法解周期性方程 28 | 阶乘最后非零位,复杂度 O(NLOGN) 29 递归方法求解排列组合问题 30 | 类循环排列 30 | 全排列 30 | 不重复排列 30 | 全组合 31 | 不重复组合 31 | 应用 31 模式串匹配问题总结 32 | 字符串 HASH 32 | KMP 匹配算法 O(M+N) 32 | KARP-RABIN 字符串匹配 32 | 基于 KARP-RABIN 的字符块匹配 32 | 函数名: STRSTR 32 | BM 算法的改进的算法 SUNDAY ALGORITHM 32 | 最短公共祖先(两个长字符串) 33 | 最短公共祖先(多个短字符串) 33 Geometry 计算几何 34 | GRAHAM 求凸包 O(N * LOGN) 34 | 判断线段相交 34 | 求多边形重心 34 | 三角形几个重要的点 34 | 平面最近点对 O(N * LOGN) 34 | LIUCTIC 的计算几何库 35 | 求平面上两点之间的距离 35 | (P1-P0)*(P2-P0)的叉积 35 | 确定两条线段是否相交 35 | 判断点 P 是否在线段 L 上 35 | 判断两个点是否相等 35 | 线段相交判断函数 35 | 判断点 Q 是否在多边形内 35 | 计算多边形的面积 35 | 解二次方程 AX^2+BX+C=0 36 | 计算直线的一般式 AX+BY+C=0 36 | 点到直线距离 36 | 直线与圆的交点,已知直线与圆相交 36 | 点是否在射线的正向 36 | 射线与圆的第一个交点 36 | 求点 P1 关于直线 LN 的对称点 P2 36 | 两直线夹角(弧度) 36 ACM/ICPC 竞赛之 STL 37 ACM/ICPC 竞赛之 STL 简介 37 ACM/ICPC 竞赛之 STL--PAIR 37 ACM/ICPC 竞赛之 STL--VECTOR 37 ACM/ICPC 竞赛之 STL--ITERATOR 简介 38 ACM/ICPC 竞赛之 STL--STRING 38 ACM/ICPC 竞赛之 STL--STACK/QUEUE 38 ACM/ICPC 竞赛之 STL--MAP 40 ACM/ICPC 竞赛之 STL--ALGORITHM 40 STL IN ACM 41 头文件 42 线段树 43 求矩形并的面积(线段树+离散化+扫描线) 43 求矩形并的周长(线段树+离散化+扫描线) 44

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值