健壮优化器
pyrobust的Python项目详细描述
#热爆
鲁棒优化的目的是寻找在给定的扰动邻域内,当扰动发生时,给定一个特定的鲁棒性度量,仍然保持最优的解。pyrobast是由exeter大学(jonathan e.fieldsend教授的团队)开发的各种健壮优化方法的python实现。核心优化方法利用人群的搜索历史,并重新抽样最佳个体以获得新的解决方案,如:【关于在稳健优化中利用搜索历史和累积抽样】(https://ore.exeter.ac.uk/repository/handle/10871/27155)_作者K.Alyahya,K.Doherty,O.E.Akman和J.E.Fieldsend,GECCO’17 Companion,2017年7月15日至19日)。
如果您使用本规范进行工作,请参考本文件。
本页中的示例可以从以下位置获得:https://github.com/EPCCed/pyrobust-examples
使用pynmmso运行基准测试问题的代码可以在:https://github.com/EPCCed/pyrobust-benchmarking
##安装Pyrobast
robust的python实现需要python 3、numpy(https://www.numpy.org/)、scipy(https://www.scipy.org/)、pydoe用于拉丁超立方体采样(https://pythonhosted.org/pyDOE/)和sobol-seq用于sobol采样(https://pypi.org/project/sobol_seq/)。
您可以使用pip安装上述依赖项和pyrobast,例如:
` pip install pyrobust `
##示例代码
本文档中示例的代码可以在https://github.com/EPCCed/pyrobust-examples中找到。
##错误
可以[通过github](https://github.com/EPCCed/pynmmso/issues)报告错误。我们还希望得到关于本文档和提供的示例的反馈。
##学分
以下人员对此项目做出了贡献:
- 埃克塞特大学计算机科学教授Jonathan Fieldsend
- Ozgur Akman博士,埃克塞特大学数学
- Khulood Alyahya博士,埃克塞特大学计算机科学
- 爱丁堡大学环境保护委员会Ally Hume
- 爱丁堡大学环境保护委员会Chris Wood博士
- Neelofer Banglawala博士,爱丁堡大学环境保护委员会
- Andrew J Millar教授,爱丁堡大学系统生物学系主任
- 凯文·多尔蒂博士
- 本杰明J.沃勒汉姆
感谢使用以下工具生成此文档上的图表:
这项工作得到了工程和物理科学研究委员会的支持(批准号[ep/n018125/1](https://gow.epsrc.ukri.org/NGBOViewGrant.aspx?GrantRef=EP/N018125/1))