用于连续遗传算法优化的python工具包。
galibrate的Python项目详细描述
加利布拉特
galibrate是一个python工具包，它提供了一个易于使用的接口，用于使用基于连续遗传算法的优化实现进行模型校准/参数估计。它的功能和api是为PyDREAM、simplePSO和Gleipnir包的用户所熟悉而设计的。
尽管galibrate为连续运行提供了一个通用框架 基于遗传算法的优化，它是建立在系统生物学模型的思想。因此，它为使用PySB格式的生物模型提供了额外的工具。
安装
| ! Warning |
|---|
| GAlibrate is still under heavy development and may rapidly change. |
galibrate作为galibrate包安装。它与Python3.6和3.7兼容（即经过测试）。
请注意，galibrate具有以下核心依赖项：
PIP安装
您可以使用来自github repo的pip安装最新版本的galibrate包：
pip install -e git+https://github.com/blakeaw/GAlibrate@v0.4.0#egg=galibrate
但是，这不会自动安装核心依赖项。您必须单独执行此操作：
pip install numpy scipy
Conda安装
您可以从blakeaw频道安装galibrate包：
conda install -c blakeaw galibrate
此版本将自动安装numpy和scipy依赖项。
推荐的附加软件
以下软件不需要用于galibrate的基本操作，但在安装时提供额外的功能和特性。
cython
galibrate包含一个核心遗传算法的实现，该算法是用Cython编写的，它利用基于cython的优化和编译来加速算法。如果安装了cython，则使用此版本的遗传算法。
编号
galibrate还包括一个核心遗传算法的实现，该算法利用基于Numba的jit编译和优化来加速算法。如果安装了numba，则使用此版本的遗传算法。
pysb
PySB是运行pysb模型所必需的，如果您想使用galibrate.pysb_utils包中的工具，则需要它。
许可证
这个项目是根据麻省理工学院的许可证授权的-请参见LICENSE文件了解详细信息
文档和用法
快速概述
原则上，galibrate定义了g a o（连续的g遗传的a基于算法的oo ptimizer）类，
fromgalibrateimportGAO
它定义了一个对象，它可以用来建立和运行一个连续的基于遗传算法的优化（即，最大化）用户定义的适应度函数在给定的一组（模型）参数的搜索空间上。
另外，galibrate有一个提供
galibrate_it模块，它定义gaoit和galibrateit类（可从pysb实用程序包级别导入），
fromgalibrate.pysb_utilsimportGaoIt,GAlibrateIt
它创建了一些对象，这些对象抽象了为pysb模型设置和生成gao实例的一些工作；examples/pysb_dimerization_model提供了一些
使用gaoit和galibrateit对象的示例。也可以从命令行调用galibrate_it模块来为pysb模型生成模板运行脚本，
python-mgalibrate.pysb_utils.galibrate_itpysb_model.pyoutput_path
用户可以根据自己的需要进行修改。
示例
可以在examples下找到其他示例脚本，这些脚本演示如何使用galibrate设置和启动遗传算法运行。
联系人
若要报告问题或错误，请打开 GitHub Issue。另外，任何 galibrate的评论、建议或功能请求也可以作为 GitHub Issue。
引用
如果您在研究中使用galibrate软件，请引用它。您可以从Zenodo DOI条目导出galibrate引文，格式为您喜欢的格式。
另外，请为与/viagalibrate一起使用的软件引用以下适当的参考资料：
来自scipy生态系统的包
其中包括numpy和scipy，可从以下位置获取参考： https://www.scipy.org/citing.html
pysb
- Lopez，C.F.，Muhlich，J.L.，Bachman，J.A.&Sorger，P.K.。使用PysB在Python中编程生物模型。分子系统生物学9，（2013）。doi:10.1038/msb.2013.1
欢迎加入QQ群-->： 979659372
