对于算法库小编提到的内容并不多,并不是这些内容不重要,而是想针对最实用而且简单点的内容跟大家降级,一次性给大家注入很多内容,相信大家的都已经晕乎了,小编大致看了下关于算法库,找到了一个大家肯定是必学的内容,就是关于遗传算法库,如果暂时还没有对这个名词了解的小伙伴,也可以大致看下以下内容,如果正在了解的小伙伴,一定要看下啦~详细内容见下文。
遗传算法库——scikit-opt
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
遗传算法示例代码
第一步:定义你的问题
-> Demo code: examples/demo_ga.py#s1
import numpy as np def schaffer(p): ''' This function has plenty of local minimum, with strong shocks global minimum at (0,0) with value 0 ''' x1, x2 = p x = np.square(x1) + np.square(x2) return 0.5 + (np.sin(x) - 0.5) / np.square(1 + 0.001 * x)
第二步:运行遗传算法
-> Demo code: examples/demo_ga.py#s2
from sko.GA import GA ga = GA(func=schaffer, n_dim=2, size_pop=50, max_iter=800, lb=[-1, -1], ub=[1, 1], precision=1e-7) best_x, best_y = ga.run() print('best_x:', best_x, '\n', 'best_y:', best_y)
第三步:用 matplotlib 画出结果
-> Demo code: examples/demo_ga.py#s3
import pandas as pd import matplotlib.pyplot as plt Y_history = pd.DataFrame(ga.all_history_Y) fig, ax = plt.subplots(2, 1) ax[0].plot(Y_history.index, Y_history.values, '.', color='red') Y_history.min(axis=1).cummin().plot(kind='line') plt.show()
运行效果:
好啦,以上就是关于遗传算法的全部内容了,不知道大家有没有了解学会了呢?以上内容是非常实用的,大家以后再项目编写时候,肯定是会遇到,因此,牢记掌握很重要的哦~
神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试