本文主要介绍python遗传算法工具箱DEAP的实现。先介绍deap的如何使用,再深入介绍deap的框架实现,以及遗传算法的各种实现算法。
代码可以参考 https://github.com/sumatrae/deap
下面是使用deap求解TSP的实现:
1 import array 2 import random 3 import json 4 5 import numpy 6 7 from deap import algorithms 8 from deap import base 9 from deap import creator 10 from deap import tools 11 12 # gr*.json contains the distance map in list of list style in JSON format 13 # Optimal solutions are : gr17 = 2085, gr24 = 1272, gr120 = 6942 14 with open("tsp/gr17.json", "r") as tsp_data: 15 tsp = json.load(tsp_data) 16 17 distance_map = tsp["DistanceMatrix"] 18 IND_SIZE = tsp["TourSize"] 19 20 creator.create("FitnessMin", base.Fitness, weights=(-1.0,)) 21 creator.create("Individual", array.array, typecode='i', fitness=creator.FitnessMin) 22 23 toolbox = base.Toolbox() 24 25 # Attribute generator 26 toolbox.register("indices", random.sample, range(IND_SIZE), IND_SIZE) 27 28 # Structure initializers 29 toolbox.register("individual", tools.initIterate, creator.Individual, toolbox.indices) 30 toolbox.register("population", tools.initRepeat, list, toolbox.individual) 31 32 def evalTSP(individual): 33 distance = distance_map[individual[-1]][individual[0]] 34 for gene1, gene2 in zip(individual[0:-1], individual[1:]): 35 distance += distance_map[gene1][gene2] 36 return distance, 37 38 toolbox.register("mate", tools.cxPartialyMatched) 39 toolbox.register("mutate", tools.mutShuffleIndexes, indpb=0.05) 40 toolbox.register("select", tools.selTournament, tournsize=3) 41 toolbox.register("evaluate", evalTSP) 42 43 def main(): 44 random.seed(169) 45 46 pop = toolbox.population(n=300) 47 48 hof = tools.HallOfFame(1) 49 stats = tools.Statistics(lambda ind: ind.fitness.values) 50 stats.register("avg", numpy.mean) 51 stats.register("std", numpy.std) 52 stats.register("min", numpy.min) 53 stats.register("max", numpy.max) 54 55 algorithms.eaSimple(pop, toolbox, 0.7, 0.2, 40, stats=stats, 56 halloffame=hof) 57 58 return pop, stats, hofn'g'x
该例子中使用SGA实现求解TSP问题,可以看到deap提供了灵活的插件化算法解决方案。deap的思想实现就是通过灵活的插件化思想,同时再框架中提供了丰富的算法实现,你可以用堆积木一样的方式,轻松的实现你的遗传算法处理程序。同时你也可以使用自己实现的算法模块,只需要注册框架就可以。框架通过函数导入的方法,通过register可以将你的算法函数注册到运行环境中。
未完待续。