定义优化问题的基础结构和黑盒优化的一些测试问题
optproblems的Python项目详细描述
说明
此包包含黑盒的常见基准问题的集合 优化。在“黑箱问题”一词下,我们理解 对它们的结构和性质知之甚少。这样的问题 当模拟器输出或其他复杂系统 非线性行为有待优化。
包含的测试问题:
- 二元问题onemax,leadingones,leadingonestrainingzero和three 多模态问题的实例生成器
- CEC 2005单目标问题集
- CEC 2007多目标问题集
- Dixon Szegécollection用于全局优化
- DTLZ问题1-7
- 多峰模型2
- 步行鱼小组(WFG)工具包
- 多目标优化的zdt集合
包含实际问题:
- 测试问题梯度法的构造
- 单位超立方体中点的均匀性优化
这个包的基础设施也可以用来包装您自己的 (现实世界)问题基类中的优化问题。做的理由 这可能是以下功能:
- 支持单目标和多目标问题
- 一般来说,对搜索空间没有任何假设
- 评估将自动计数
- 可以通过多处理使用真正的并行性或并发性(.dummy)
- 提供检查绑定约束和修复的功能 在连续优化中违反它们
- 可选:检测并随后避免重复评估
依赖关系
此包的某些模块对第三方具有附加依赖关系 包装。但是,在安装过程中,不会强制执行这些命令,以免妨碍 基本模块的利用率,它将始终没有依赖关系。
Module | Dependencies |
---|---|
base | none |
binary | none |
cec2005 | numpy |
cec2007 | numpy, diversipy |
continuous | none |
dtlz | diversipy |
mpm | numpy |
multiobjective | diversipy |
realworld | numpy, diversipy |
wfg | diversipy |
zdt | diversipy |