最近看到用遗传算法优化量化参数的文章,觉得还是有很先进,就开始学习。这个文章主要是针对遗传算法库DEAP的示例代码的学习和分析。
代码链接:其实有不少针对这段代码文章,这里主要说说自己学习和体会。
在分析代码前,先说说这段代码干了什么。这段代码就是如果有一个数组有十个随机数组成,如何得到一组十个最小随机数,其和是最小的。理论上,最小的就是组合就是10个0,但是因这里面因为引入了变异,可以获得负数,所以可以组合变异生成负数值。
1. 定义类型,方法creator.create(name,base,**kargs)
这个有点类似设计模式的工厂模式,这个方法创建一个新的类,名字为参数name,继承的父类为base,这个类的属性如之后的参数名称和参数值。
creator.create("FitnessMin", base.Fitness, weights=(-1.0,))
对应的就是类创建代码:
class FitnessMin(base.Fitness):
weights=(-1.0,)
def __init__(self, values=()):
super(FitnessMin, self).__init__(values=())
creator.create("Individual", list, fitness=creator.FitnessMin)
对应的就是类创建代码:
class Individul(list):
self.fitness=FitnessMin
def __init__(self):
….
1.1 然后取看看base.Fitness这个父类,关键是weights这个属性,主要是做比较用。分析代码,会发现把传入的values序列和weights序列相乘,转为元祖wvalues,返回的时候就相除返回values
defgetValues(self):
returntuple(map(truediv,self.wvalues,self.weights))
defsetValues(self,values):
try:
self.wvalues=tuple(map(mul,values,self.weights))
2. 注册方法;方法
toolbox.register
(self,alias,function,*args,**kargs)
这个是一个比较核心的方法,参数第一个是别名,第二个是需要绑定的真正function,之后其实是针对这个方法的参数。这样做就可以把方法和参数二次打包成