python 遗传算法包_一个易用、易部署的Python遗传算法库

简介： # [scikit-opt](https://github.com/guofei9987/scikit-opt) [](https://pypi.org/project/scikit-opt/) [![release](https://img.shields.io/github/v/relea

一个封装了7种启发式算法的 Python 代码库

(差分进化算法、遗传算法、粒子群算法、模拟退火算法、蚁群算法、鱼群算法、免疫优化算法)

安装pip install scikit-opt

或者直接把源代码中的 sko 文件夹下载下来放本地也调用可以

特性

特性1：UDF(用户自定义算子)

举例来说，你想出一种新的“选择算子”，如下

-> Demo code: examples/demo_ga_udf.py#s1# step1: define your own operator:def selection_tournament(algorithm, tourn_size):

FitV = algorithm.FitV

sel_index = []    for i in range(algorithm.size_pop):

aspirants_index = np.random.choice(range(algorithm.size_pop), size=tourn_size)

sel_index.append(max(aspirants_index, key=lambda i: FitV[i]))

algorithm.Chrom = algorithm.Chrom[sel_index, :]  # next generation

return algorithm.Chrom

导入包，并且创建遗传算法实例

-> Demo code: examples/demo_ga_udf.py#s2import numpy as npfrom sko.GA import GA, GA_TSP

demo_func = lambda x: x[0] ** 2 + (x[1] - 0.05) ** 2 + (x[2] - 0.5) ** 2ga = GA(func=demo_func, n_dim=3, size_pop=100, max_iter=500, lb=[-1, -10, -5], ub=[2, 10, 2],

precision=[1e-7, 1e-7, 1])

把你的算子注册到你创建好的遗传算法实例上

-> Demo code: examples/demo_ga_udf.py#s3ga.register(operator_name='selection', operator=selection_tournament, tourn_size=3)

scikit-opt 也提供了十几个算子供你调用

-> Demo code: examples/demo_ga_udf.py#s4from sko.operators im