【选择自由，免费下载】群智能优化算法Python库-MEALPY介绍及使用，包含了215种优化算法

今天分享一个群智能优化算法Python宝库----MEALPY（地址：https://github.com/thieu1995/mealpy）。

MEALPY库是最大的群智能优化算法python库。

自由软件：GNU通用公共许可证(GPL) V3许可证
算法总数：目前有215个.

按分类有基于生物的bio_based，进化的evolutionary_based，人类的human_based，数学的math_based，音乐的music_based，物理的physics_based，群体的swarm_based，系统的system_based。

支持Python版本：3.7，3.8.x，3.9.x，3.10.x，3.11.x
支持项：numpy, scipy, pandas, matplotlib

使用pip安装：

pip install mealpy==2.5.3

从源代码安装
如果你想直接从源代码安装，使用:

git clone https://github.com/thieu1995/mealpy.git
cd mealpy
python setup.py install

安装完成后，您可以像导入任何其他Python模块一样导入Mealpy:

import mealpy

import numpy as np
from mealpy.swarm_based.PSO import OriginalPSO
# 定义函数
def fitness_function(solution):
    return np.sum(solution**2)
# 参数
problem_dict1 = {
"fit_func": fitness_function,
"lb": [-10, -15, -4, -2, -8],
"ub": [10, 15, 12, 8, 20],
"minmax": "min",
}
# PSO参数
epoch = 1000
pop_size = 50
c1 = 2.05
c2 = 2.05
w_min = 0.4
w_max = 0.9
model = OriginalPSO(epoch, pop_size, c1, c2, w_min, w_max)
best_position, best_fitness = model.solve(problem_dict1)
print(f"Solution: {best_position}, Fitness: {best_fitness}")

此外还提供了：求解约束基准函数，多目标基准函数。

可视化：

全局和局部对比

探索阶段和开发阶段对比

运用：

Mealpy +神经网络(取代梯度下降优化器)

Mealpy +神经网络(优化神经网络超参数)

其他应用：

• 解决背包问题(离散问题)

• 优化支持向量机SVM (SVC)模型

• 优化线性回归模型

• 解决旅行商（Travelling Salesman Problem，TSP）问题

• 解决特征选择问题

视频教程：

https://mealpy.readthedocs.io/en/latest/pages/general/video_tutorials.html

请引用：

@article{van2023mealpy,
  title={MEALPY: An open-source library for latest meta-heuristic algorithms in Python},
  author={Van Thieu, Nguyen and Mirjalili, Seyedali},
  journal={Journal of Systems Architecture},
  year={2023},
  publisher={Elsevier},
  doi={10.1016/j.sysarc.2023.102871}
}

@article{van2023groundwater,
  title={Groundwater level modeling using Augmented Artificial Ecosystem Optimization},
  author={Van Thieu, Nguyen and Barma, Surajit Deb and Van Lam, To and Kisi, Ozgur and Mahesha, Amai},
  journal={Journal of Hydrology},
  volume={617},
  pages={129034},
  year={2023},
  publisher={Elsevier},
  doi={10.1016/j.jhydrol.2022.129034}
}

总结：

算法很多，应用丰富，可视化简单