Python中的一种进化计算算法CPIE。
cpie的Python项目详细描述
消费物价指数
Python中基于聚类的有前途的个体封闭体(CPIE)。在
CPIE是一种进化计算算法,它的目标是搜索最佳参数,使黑盒函数,尤其是UV函数最小化。
UV函数有U-valley,它占用很大的搜索空间,但只包含局部最优;V-valley占用较小的搜索空间,但包含全局最优。
e、 g.双球体:f(x)=最小值((x-2)^2+0.1,10*(x+2)^2)
安装
$ pip install cpie
CPIE依赖于numpy,因此如果需要请安装numpy。在
用法示例
首先,您可以导入CPIE模块,如下所示。在
^{pr2}$然后,你需要准备最小化的目标函数。在
defsphere(x):returnsum(xi*xiforxiinx)defobjective_func(x):returnmin(sphere(x-2)+0.1,10*sphere(x+2))
你可以像下面这样最小化目标函数。在
dimension=2bounds_min=[-10.0]*dimensionbounds_max=[10.0]*dimensioncpie=CPie(bounds_min,bounds_max,Ns=7*dimension)foriinrange(2000):solution=cpie.sample()f_value=objective_func(solution)cpie.update(f_value)cpie.print()
“bounds_min”和“bounds_max”表示搜索空间。
CPIE从搜索空间中单一采样的Ns解开始优化。在
经过优化循环后,可以得到优化解。在
print("global best x",cpie.best.x)print("global best f",cpie.best.f)
CPIE是小生境算法,所以你也可以从每种模式中得到最佳的解决方案。在
bests=cpie.get_bests()fori,binenumerate(bests):print("mode",i," f",b.f)
示例_主.py显示完整的示例代码。在
- 项目
标签: