遗传算法优化采用k-均值聚类和单因素方差分析算法。
genetic-optimizer的Python项目详细描述
遗传优化器
使用k-均值聚类和单向方差分析算法的遗传算法优化器
之前:
之后:
安装:
使用包管理器pip安装遗传优化器。
pip3 install genetic-optimizer
注:
package require=>;Python3.6.5,在Python2.x.x项目中使用genetic_优化器可能无法正常工作。 如果您不确定您的python版本,请尝试:
python3 --version
用法
importgenetic_optimizersome_object=genetic_optimizer.Optimizer()some_object.generate(population_size=46,chromosome_size=8,equal_chromosomes=True,initialization_method='Random',representation='Binary',saving_method='csv')
这些是生成器的默认选项,您可以在包目录的defaults.ini文件中更改它们
这些是优化器的默认选项,您可以在package目录下的standards.conf文件中更改它们
如果优化器在一开始就卡住了,这通常意味着您的数据帧和填充是很小的,以找到合适的父代,以便创建下一代。 有关详细说明,请查看Project Wiki。 不存在突变和交叉概率。程序根据群体差异匹配父母,并根据他们最成功的基因对创建新的孩子。
这意味着新一代更接近每一代,每个孩子都是不差的那遗传差的父母。 你可以通过选择来获得更精确的结果。 欢迎拉取请求。
对于重大变更,请先打开一个问题来讨论您希望更改的内容。 代码主要是根据Google PEP style guidesome_object.optimize(data=None,iterations=12,shuffle_scale=0.6,variety=0.8,chromosome_weight=0.0000001)
注
专业人士
cons
贡献
许可证
工具
推荐PyPI第三方库