进化算法——遗传算法 使用Geatpy库实现

Geatpy

import geatpy as ea
import numpy as np

种群初始化

• crtfld (生成译码矩阵，俗称“区域描述器”)
• crtbp (创建二进制种群染色体矩阵)
• crtip (创建元素是整数的种群染色体矩阵)
• crtpp (创建排列编码种群染色体矩阵)
• crtrp (创建元素是实数的种群染色体矩阵)
• meshrng (网格化决策变量范围)

help(ea.crtfld)

Help on cython_function_or_method in module crtfld:

crtfld(Encoding, varTypes, ranges, borders=None, precisions=None, codes=None, scales=None)
    crtfld : function - 译码矩阵生成函数
    
    描述：该函数根据输入的参数生成译码矩阵FieldD或FieldDR。
    
    语法:
        当Encoding为'RI'或'P'时：
        FieldDR = crtfld(Encoding, varTypes, ranges, borders)
        FieldDR = crtfld(Encoding, varTypes, ranges, borders, contraction)
        当Encoding为'BG'时：
        FieldD = crtfld(Encoding, varTypes, ranges, borders, precisions)
        FieldD = crtfld(Encoding, varTypes, ranges, borders, precisions, codes)
        FieldD = crtfld(Encoding, varTypes, ranges, borders, precisions, codes, scales)
    
    输入参数:
        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。
                           相关概念：“实值编码”包含实整数编码和排列编码，
                           它们共同的特点是染色体不需要解码即可直接表示对应的决策变量。
                           "实整数"指的是种群染色体既包含实数的小数，也包含实数的整数。
        
        varTypes : array - 连续或离散标记，0表示该种群染色体解码后的对应的决策变量是连续的；
                           1表示该种群染色体解码后的变量是离散的。
                           当变量是离散时，该函数会对borders标记为0的变量的范围往里收缩并取整，
                           同时对其他非整数范围进行向里取整，最后把borders元素全设为1。例如：
                           若varTypes=[0, 1, 1]，表示有3个变量，第1个变量是实数，第2、3个变量是整数。
                           此时若有：
                           ranges=[[1.1, 2, 3.1],
                                   [3,   4, 5]]
                           borders = [[1, 0, 1],
                                      [1, 1, 1]]
                           则ranges会被修正为[[1.1, 3, 4],
                                            [3, 4, 5]]
                           borders会被修正为：[[1, 1, 1],
                                             [1, 1, 1]]
                           注意：'P'(排列编码)时，会无条件地会把varTypes的元素设置成全为1。
        
        ranges  : array  - 代表自变量的范围矩阵，要求上界必须大于下界。
                          例如：[[1, 2, 3],
                                [3, 4, 5]]
                          表示有3个决策变量，其范围分别是1-3, 2-4, 3-5。
                             
        borders : list - (可选参数)代表是否包含变量范围的边界，为1代表决策变量的范围包含该边界，
                         当为None时，默认设置为全是1的矩阵。
                         例如：[[1, 0, 1],
                               [0, 1, 1]]
                         表示上面的三个决策变量的范围分别是：[1, 3)、(2, 4]、[3, 5]。
        
        contraction : list - (可选参数)代表决策变量的“边界收缩率”，其元素必须不小于1。当不含边界时，
                             变量范围会往里收缩0.1^contraction，最后把borders元素全设为1，
                             例如：ranges=[[1, 2, 3],
                                          [3, 4, 5]]
                                  borders = [[1, 0, 1],
                                             [0, 1, 1]]
                                  此时若contraction为[1, 1, 1]，
                                  则ranges会被修正为[[1, 2.1, 3],
                                                   [2.9, 4, 5]]
                                  borders会被修正为：[[1, 1, 1],
                                                    [1, 1, 1]]
                             注：contraction仅在Encoding为'RI'时有效，
                                当contraction缺省或为None时，默认它为元素全为4的列表。
                                当Encoding为'BG'时，
                                本函数的第四个参数的含义将不再是contraction而是precisions。
        
        precisions : list - (可选参数)代表决策变量的二进制/格雷编码精度（仅在Encoding为'BG'时有效），
                            precision的元素必须不小于0。
                            如等于4，表示对应的决策变量的编码可以精确到小数点后4位。
                            当precisions参数缺省或为None时，默认precision为元素全为4的列表。
                            但当对应的决策变量为整数时，即便传入precisions，但不会产生作用，
                            这是因为整数的二进制/格雷码编码不需要用到精度。
                            例如varTypes=[0, 1, 1]，表示有3个变量，第1个变量是实数，第2、3个变量是整数，
                            此时若precisions=[4,5,5]，则只有第1位是起作用的。
        
        codes  : list  -（可选参数）代表变量的编码方式，(0:binary | 1:gray)，默认采用二进制编码。
                         该参数在Encoding为'BG'时使用。
        
        scales : list  - (可选参数)指明每个变量在解码时使用对数还是算术刻度（仅在Encoding为'BG'时有效），
                         0为使用算术刻度，1为使用对数刻度，默认采用算术刻度，
                         当采用对数刻度时，决策变量的范围不能包含0。
                         类似于precisions，scales仅对于varTypes中元素为0对应的变量起作用，
                         这同样是因为整数的二进制/格雷码编码不需要采用对数刻度进行变换。
    
    输出参数：
        FieldD : array  - 二进制/格雷码种群译码矩阵，Encoding为'BG'时返回的是这种结构的译码矩阵。
            它是描述种群每个个体的染色体长度和如何解码的矩阵，它有以下结构:
            [lens;           每个决策变量编码后在染色体中所占的长度。
             lb;             指明每个变量使用的下界。
             ub;             指明每个变量使用的上界。
             codes;  (0:binary     | 1:gray) 指明子串是怎么编码的，
                                               0为标准二进制编码,1为格雷编码。
             scales;   (0: rithmetic | 1:logarithmic) 指明每个子串是否使用对数或算术刻度，
                                                      1为使用对数刻度，0为使用算术刻度。
             lbin;           (0:excluded   | 1:included)。
             ubin;           (0:excluded   | 1:included)。
             varTypes] (0:continued  | 1:discrete)。
            lbin和ubin指明范围中是否包含每个边界。
            lbin=0或ubin=0,表示范围中不包含相应边界。
            lbin=1或ubin=1,表示范围中包含相应边界。
                    
        或FieldDR : array - 实值编码种群的译码矩阵，Encoding为'RI'或'P'时返回的是这种结构的译码矩阵。
            [lb;             指明每个变量使用的下界。
             ub;             指明每个变量使用的上界。
             varTypes] (0:continued | 1:discrete)。
    
    注意:
        1.参数codes和scales是在当Encoding为'BG'时才起作用的,因此当Encoding为'RI'或'P'时，
          codes和scales就算赋值也不会起作用。
        2.本函数会根据borders及边界收缩率对范围进行相应的调整，因此得到的范围可能会跟原来的ranges不一致，
        可使用print函数输出译码矩阵查看。
    
    Created on Sat Jun 30 10:18:01 2018
        @author: jazzbin
    Changed on Sat Jul 13 20:15:01 2019
        @author: jazzbin

help(ea.crtip)

Help on built-in function crtip in module crtip:

crtip(...)
    crtip : function - (Create Integer Points)创建一个整数值种群染色体矩阵
    
    描述:
        该函数随机生成一个给定了大小和结构的整数型种群染色体矩阵。
    
    语法:
        Chrom = crtip(Nind, FieldDR)
        Chrom = crtip(Nind, FieldDR, Parallel)
        
    输入参数:
        Nind    : int   - 表示种群的个体数
              
        FieldDR : array - 实值种群译码矩阵，Encoding为'RI'或'P'时使用的是这种结构的译码矩阵。
                          [lb;               指明每个变量使用的下界。
                           ub;               指明每个变量使用的上界。
                           varTypes] (0:continued | 1:discrete)。
                          注意：传入该函数的FieldDR中的varTypes是无用参数，因为该函数只生成元素是整数的染色体矩阵。
    
        Parallel : bool  - (可选参数)表示是否采用并行计算，缺省或为None时默认为False。
        
    输出参数:
        Chrom    : array - 一个以种群个体数为行数、以染色体长度为列数的元素为随机整数值的矩阵。
    
    Created on Sun July 1 13:01:23 2018
    
    @author: jazzbin

Example

'''定义参数'''
MAXGEN = 50
maxormins = -1 #表示目标函数最小最大化标记，1表示最小化，-1表示最大化
recombine_rate = 0.7
mut_rate = 0.05
Nind = 10
num_hidden_neurons = 6
Encoding = "RI"

'''边界定义'''
ub_hidden_n = [1024] * num_hidden_neurons
lb_hidden_n = [32] * num_hidden_neurons

ub_lr = [1000]
lb_lr = [1]

ub_batch_size = [2]
lb_batch_size = [1]

'''生成需要的ranges, varTypes, borders等'''
ub = np.hstack((ub_hidden_n, ub_lr, ub_batch_size))
lb = np.hstack((lb_hidden_n, lb_lr, lb_batch_size))
ranges = np.vstack((lb, ub))
varTypes = np.ones(num_hidden_neurons + 2)
borders = np.ones((2, num_hidden_neurons + 2))

'''生成译码矩阵FieldDR'''
FieldDR = ea.crtfld(Encoding, varTypes, ranges, borders)
FieldDR

array([[3.200e+01, 3.200e+01, 3.200e+01, 3.200e+01, 3.200e+01, 3.200e+01,
        1.000e+00, 1.000e+00],
       [1.024e+03, 1.024e+03, 1.024e+03, 1.024e+03, 1.024e+03, 1.024e+03,
        1.000e+03, 2.000e+00],
       [1.000e+00, 1.000e+00, 1.000e+00, 1.000e+00, 1.000e+00, 1.000e+00,
        1.000e+00, 1.000e+00]])

'''生成种群Chrom'''
Chrom = ea.crtip(Nind, FieldDR) #crtip (创建元素是整数的种群染色体矩阵)
Chrom

array([[ 554,  437,  100,  401,  908,  653,  866,    1],
       [ 746,  410,  992,   55,  101,  456,  626,    1],
       [ 391,  409,  388,  975,  899,  897,  660,    1],
       [ 469,  771,  993,  760, 1002,  624,  972,    2],
       [  36,   72,  900,  912,  694,  767,  960,    1],
       [ 153,  951,  439,  222,  383,   67,  226,    2],
       [ 444,  612,  692,  319,  484,  354,  482,    2],
       [ 101,  478,  657,   79,   77,  629,  551,    1],
       [ 670,  454,  962,  339,  196,  922,  697,    1],
       [ 849,  137,  507,  207,  172,  731,  893,    2]], dtype=int32)

进化迭代相关的函数

当完成了种群染色体的初始化后，就可以进行进化迭代了。这部分是在进化算法模板里调用。

迭代过程中包括：

• 调用ranking 或scaling 等计算种群适应度。
• 调用selecting 进行选择操作(也可以直接调用低级选择函数)。
• 调用recombin 进行重组操作(也可以直接调用低级重组函数)。
• 调用mutate 进行变异操作(也可以直接调用低级变异函数)。

选择 ea.selecting()

• dup (Duplication，基于适应度排序的直接复制选择)
• ecs (Elite Copy Selection，精英复制选择)
• etour (精英保留锦标赛选择)
• otos (One-to-One Survivor Selection，一对一生存者选择)
• rcs (Random Compensation Selection，随机补偿选择)
• rps (Random Permutation Selection，随机排列选择)
• rws (Roulette Wheel Selection，轮盘赌选择)
• sus (Stochastic Universal Sampling，随机抽样选择)
• tour (Tournament，锦标赛选择)
• urs (Uncommitted Random Selection，无约束随机选择)

Example

FitnV = np.random.rand(Nind)
FitnV = FitnV.reshape(-1,1)
FitnV

array([[0.47246408],
       [0.6966635 ],
       [0.8280383 ],
       [0.35520503],
       [0.60798975],
       [0.91590692],
       [0.69238913],
       [0.58686945],
       [0.45008303],
       [0.82214108]])

SelCh_sel = Chrom[ea.selecting('rws', FitnV, Nind-1), :] #选择，采用‘rws’轮盘赌选择
SelCh_sel

array([[391, 409, 388, 975, 899, 897, 660,   1],
       [101, 478, 657,  79,  77, 629, 551,   1],
       [444, 612, 692, 319, 484, 354, 482,   2],
       [ 36,  72, 900, 912, 694, 767, 960,   1],
       [746, 410, 992,  55, 101, 456, 626,   1],
       [153, 951, 439, 222, 383,  67, 226,   2],
       [849, 137, 507, 207, 172, 731, 893,   2],
       [153, 951, 439, 222, 383,  67, 226,   2],
       [153, 951, 439, 222, 383,  67, 226,   2]], dtype=int32)

SelCh_sel2 = Chrom[ea.selecting('tour', FitnV, Nind-1), :] #选择，采用‘rws’轮盘赌选择
SelCh_sel2

array([[101, 478, 657,  79,  77, 629, 551,   1],
       [444, 612, 692, 319, 484, 354, 482,   2],
       [849, 137, 507, 207, 172, 731, 893,   2],
       [153, 951, 439, 222, 383,  67, 226,   2],
       [849, 137, 507, 207, 172, 731, 893,   2],
       [153, 951, 439, 222, 383,  67, 226,   2],
       [746, 410, 992,  55, 101, 456, 626,   1],
       [391, 409, 388, 975, 899, 897, 660,   1],
       [391, 409, 38