Python遗传算法库、进化算法框架（一）Geatpy快速入门

最新推荐文章于 2024-08-13 11:18:32 发布

weixin_34148508

最新推荐文章于 2024-08-13 11:18:32 发布

阅读量2k

点赞数 3

文章标签： python matlab 数据结构与算法

原文链接：https://yq.aliyun.com/articles/629070

版权

本文介绍了Python遗传算法库Geatpy，由华南理工大学等团队开发，支持多种编码和算子。内容包括安装方法、基本实现方式、与Matlab的对比，以及利用框架实现NSGA-II算法的例子。Geatpy提供类似的库函数，便于Matlab用户过渡，并允许自定义编程模板以实现更多进化算法。

摘要由CSDN通过智能技术生成

Geatpy是一个Python遗传算法库以及开放式进化算法框架，由华南理工大学、华南农业大学、德州奥斯汀公立大学的学生组成的联合团队开发。

(转载自https://blog.csdn.net/qq_33353186/article/details/82014986)

Website (including documentation): https://www.geatpy.com (repairing)
Contact us: https://www.geatpy.com/supports
Source: https://github.com/geatpy-dev/geatpy
Bug reports: https://github.com/geatpy-dev/geatpy/issues

它提供了许多已实现的遗传和进化算法相关算子的库函数，如初始化种群、选择、交叉、变异、重插入、多种群迁移、多目标优化非支配排序等，并且提供开放式的进化算法框架来实现多样化的进化算法。

Geatpy支持二进制/格雷码编码种群、实数值种群、整数值种群、排列编码种群。支持轮盘赌选择、随机抽样选择、锦标赛选择。提供单点交叉、两点交叉、洗牌交叉、部分匹配交叉(PMX)、线性重组、离散重组、中间重组等重组算子。提供简单离散变异、实数值变异、整数值变异、互换变异等变异算子。支持随机重插入、精英重插入。支持awGA、rwGA、i-awGA、nsga2、快速非支配排序等多目标优化的库函数、提供进化算法框架下的常用进化算法编程模板等。

关于遗传算法、进化算法的学习资料，在官网中https://www.geatpy.com (repairing)有详细讲解以及相关的学术论文链接。同时网上也有很多资料。

闲话少说……下面分享一下近几个星期以来的学习心得：

先说一下安装方法：

首先是要windows系统，Python要是3.5，3.6或3.7版本，并且安装了pip。只需在控制台执行

pip install geatpy

即可安装成功。或者到github上下载：https://github.com/geatpy-dev/geatpy 个人是推荐在github上下载。因为这样可以看到源码以及相关的demo程序，如果通过pip下载的话还需要找demo文件的位置，有些麻烦。

Geatpy提供2种方式实现遗传算法。先来讲一下第一种最基本的实现方式：编写编程脚本。

1. 编写脚本实现遗传算法：

用过谢菲尔德大学的Matlab遗传算法库Gatbx以及其升级版——GEATbx的朋友应该非常熟悉下面的Matlab脚本：

%% matlab_gatbx_test.m

%遗传算法求f(x)=x*sin(10*pi*x)+2.0,在[-1,2]上的最大值
figure(1);
fplot(@(variable)variable.*sin(10*pi*variable)+2.0,[-1,2]);   %画出函数曲线
tic %开始计时
%定义遗传算法参数
NIND=40;        %个体数目(Number of individuals)
MAXGEN=25;      %最大遗传代数(Maximum number of generations)
PRECI=20;       %变量的二进制位数(Precision of variables)
GGAP=0.9;       %代沟(Generation gap)说明子代与父代的重复率为0.1
trace=zeros(MAXGEN,2);                        %寻优结果的初始值
FieldD=[20;-1;2;1;0;1;1];                      %区域描述器(Build field descriptor),第2、3行为自变量的下界和上界
Chrom=crtbp(NIND, PRECI);                      %定义初始种群
gen=0;                                         %代计数器
variable=bs2rv(Chrom, FieldD);                 %计算初始种群的十进制转换
ObjV=shang(variable);        %计算目标函数值
while gen<MAXGEN %进化MAXGEN代
   FitnV=ranking(-ObjV);                                  %分配适应度值(Assign fitness values)ranking函数的功能就是目标值越小的分配值越大，
                                                          %本例求解最大值，应该要是他的适应度值更大，故必须使得ranking内的数越小，这样分配的适应度值才能大
   SelCh=select(