遗传编程（Genetic Programming）学习笔记（三）：利用DEAP框架创建一个GP表达式

DEAP框架

  Python 的 DEAP库是一个进化算法框架，可以帮助我们快速实现各种进化算法，例如遗传算法（GA）、粒子群算法（PSO）、遗传编程（GP）、分布估计算法（EDA）、多目标优化算法等。
  利用DEAP库实现进化算法的基本流程如下：
  - 创建优化问题
  - 定义个体、种群
  - 定义算子（以GP为例，包括选择、交叉、变异）
  - 定义评价函数（评价函数必须要自己定义）
  - 种群迭代

利用DEAP库创建一个GP表达式

  （1）首先创建 primitive set

import operator
from deap import gp

# 创建一个 primitive set: primitiveset（名称，变量个数）  
pset = gp.PrimitiveSet('main111',2)
# 变量默认叫ARG0,ARG1...可以自己改名字,这里的输入参数可以作为terminal
pset.renameArguments(ARG0 = 'x')
pset.renameArguments(ARG1 = 'y')

# 定义function set：addPrimitive(函数名,参数个数)  不同的函数需要的参数个数不一样
# 函数可以是已有的
pset.addPrimitive(operator.add,2)
pset.addPrimitive(operator.mul,2)
pset.addPrimitive(operator.neg,1)  # 取负值
pset.addPrimitive(math.sin,1)
# 函数也可以自己定义
def if_then_else(constraint, output1,output2):
    if constraint:
        return output1
    else:
        return output2
pset.addPrimitive(if_then_else,3)

# 定义terminal set
pset.addTerminal(3)  # 常数
pset.addEphemeralConstant('num',lambda:random.randint(-5,5))  # 随机数：(name,随机数函数)

  （2）根据上述 primitive set 创建表达式

# 三种生成方法,full,grow,half(primitive set,min_depth,max_depth)
# python中树的最大深度是91,最小深度是0（只有一个叶子节点）
expr1 = gp.genFull(pset,0,2)    # list
expr2 = gp.genGrow(pset,1,3)
expr3 = gp.genHalfAndHalf(pset,1,3)
tree = gp.PrimitiveTree(expr1)  # 将表达式形式转换成树形结构

# 编译表达式：必须经过编译才能进行运算
function1 = gp.compile(tree,pset)  
# function2 = gp.compile(expr2,pset)  
result = function1(1,2)   # 输入变量值能够得到该表达式的结果
print('result:',result)

注意：步骤（2）只是创建一个gp表达式、编译表达式的示例，实际使用deap库时，直接进行步骤（3）即可。

  （3）创建个体（individual）

from deap import creator,tools,base

# create(类名，继承的类，参数)
creator.create('FitnessMin',base.Fitness,weights=(-1.0,))
creator.create('Individual',gp.PrimitiveTree,fitness = creator.FitnessMin,pset = pset) 
# Individual继承的类是"gp.PrimitiveTree",生成tree-based individual

# 向toolbox注册函数
toolbox = base.Toolbox()   # 实例
# register(函数别名，函数，函数需要的参数)
toolbox.register('expr',gp.genHalfAndHalf,pset = pset,min_ = 3,max_ = 3)  
# 也可以根据需要用genFull、genGrow
toolbox.register('individual',tools.initIterate,creator.Individual,toolbox.expr)

# 生成一个个体
one_individual = toolbox.individual()
# print('individual:',one_individual)