扫码关注官方微信

扫码下载APP
返回顶部
首页 > 资讯 > 后端开发 > Python >Python优化算法之遗传算法案例代码
  • 859

0
分享到

Python优化算法之遗传算法案例代码

Python遗传算法Python优化算法 2023-02-18 09:02:25 859人浏览 八月长安

Python 官方文档：入门教程 => 点击学习

摘要

目录一、前言二、安装三、遗传算法3.1 自定义函数3.2 遗传算法进行整数规划3.3 遗传算法用于旅行商问题3.4 使用遗传算法进行曲线拟合一、前言 优化算法，尤其是启发式的仿生智能

一、前言

优化算法，尤其是启发式的仿生智能算法在最近很火，它适用于解决管理学，运筹学，统计学里面的一些优化问题。比如线性规划，整数规划，动态规划，非线性约束规划，甚至是超参数搜索等等方向的问题。

但是一般的优化算法还是matlab里面用的多，python相关代码较少。

我在参考了一些文章的代码和模块之后，决定学习scikit-opt这个模块。这个优化算法模块对新手很友好，代码简洁，上手简单。而且代码和官方文档是中国人写的，还有很多案例，学起来就没什么压力。

缺点是包装的算法种类目前还不算多，只有七种：（差分进化算法、遗传算法、粒子群算法、模拟退火算法、蚁群算法、鱼群算法、免疫优化算法）

本次带来的是数学建模里面经常使用的遗传算法的使用演示。

二、安装

首先安装模块，在cmd里面或者anaconda prompt里面输入：

pip install scikit-opt

对于当前开发人员版本：

git clone git@GitHub.com:guofei9987/scikit-opt.git
cd scikit-opt
pip install .

三、遗传算法

3.1 自定义函数

UDF（用户定义函数）现已推出！

例如，您刚刚制定了一种新型函数。现在，你的函数是这样的：

该函数有大量的局部最小值，具有很强的冲击力，在(0,0) 处的全局最小值，值为 0。

import numpy as np
def schaffer(p):
    x1, x2 = p
    x = np.square(x1) + np.square(x2)
    return 0.5 + (np.square(np.sin(x)) - 0.5) / np.square(1 + 0.001 * x)

导入和构建 ga ：（遗传算法）

from sko.GA import GA
ga = GA(func=schaffer, n_dim = 2, size_pop = 100, max_iter = 800, prob_mut = 0.001, lb = [-1, -1], ub = [1, 1], precision = 1e-7)
best_x, best_y = ga.run()
print('best_x:', best_x, '\n', 'best_y:', best_y)

运行结果为：

在这里插入图片描述


可以看到基本找到了全局最小值和对应的x 。

画出迭代次数的图：

import pandas as pd
import matplotlib.pyplot as plt
Y_history = pd.DataFrame(ga.all_history_Y)
fig, ax = plt.subplots(2, 1)
ax[0].plot(Y_history.index, Y_history.values, '.', color = 'red')
Y_history.min(axis = 1).cummin().plot(kind = 'line')
plt.show()

在这里插入图片描述

GA算法的参数详解：

输入参数：

输入参数默认值参数的意义
func-目标函数
n_dim-目标函数的维度
size_pop50种群规模
max_iter200最大迭代次数
prob_mut0.001变异概率
lb-1每个自变量的最小值
ub1每个自变量的最大值
constraint_eq空元组等式约束
constraint_ueq空元组不等式约束
precision1e-7精确度，int / float或者它们组成的列表

输出参数：

GA & GA_TSP

输出参数参数的意义
ga.generation_best_X每一代的最优函数值对应的输入值
ga.generation_best_Y每一代的最优函数值
ga.all_history_FitV每一代的每个个体的适应度
ga.all_history_Y每一代每个个体的函数值

3.2 遗传算法进行整数规划

在多维优化时，想让哪个变量限制为整数，就设定 precision 为 整数 即可。

例如，我想让我的自定义函数的某些变量限制为整数+浮点数（分别是整数，整数，浮点数），那么就设定 precision=[1, 1, 1e-7]

例子如下：

from sko.GA import GA
demo_func = lambda x: (x[0] - 1) ** 2 + (x[1] - 0.05) ** 2 + x[2] ** 2
ga = GA(func = demo_func, n_dim = 3, max_iter = 500, lb = [-1, -1, -1], ub = [5, 1, 1], precision = [1,1,1e-7])
best_x, best_y = ga.run()
print('best_x:', best_x, '\n', 'best_y:', best_y)

在这里插入图片描述

可以看到第一个、第二个变量都是整数，第三个就是浮点数了 。

3.3 遗传算法用于旅行商问题

商旅问题(TSP)就是路径规划的问题，比如有很多城市，你都要跑一遍，那么先去哪个城市再去哪个城市可以让你的总路程最小。

实际问题需要一个城市坐标数据，比如你的出发点位置为（0,0），第一个城市离位置为 （ x 1 , y 1 ） （x_1,y_1） （x1​,y1​）,第二个为 （ x 2 , y 2 ） （x_2,y_2） （x2​,y2​）…这里没有实际数据，就直接随机生成了。

import numpy as np
from scipy import spatial
import matplotlib.pyplot as plt
num_points = 50
points_coordinate = np.random.rand(num_points, 2)  # generate coordinate of points
points_coordinate

在这里插入图片描述

这里定义的是50个城市，每个城市的坐标都在是上图随机生成的矩阵。

然后我们把它变成类似相关系数里面的矩阵：

distance_matrix = spatial.distance.cdist(points_coordinate, points_coordinate, metric='euclidean')
distance_matrix.shape
(50, 50)

这个矩阵就能得出每个城市之间的距离，算上自己和自己的距离（0），总共有2500个数。

定义问题：

def cal_total_distance(routine):
    num_points, = routine.shape
    return sum([distance_matrix[routine[i % num_points], routine[(i + 1) % num_points]] for i in range(num_points)])

求解问题：

from sko.GA import GA_TSP
ga_tsp = GA_TSP(func = cal_total_distance, n_dim = num_points, size_pop = 50, max_iter = 500, prob_mut = 1)
best_points, best_distance = ga_tsp.run()

我们展示一下结果：

best_distance

在这里插入图片描述

画图查看计算出来的路径，还有迭代次数和y的关系：

fig, ax = plt.subplots(1, 2,figsize = (12, 8))
best_points_ = np.concatenate([best_points, [best_points[0]]])
best_points_coordinate = points_coordinate[best_points_, :]
ax[0].plot(best_points_coordinate[:, 0], best_points_coordinate[:, 1], 'o-r')
ax[1].plot(ga_tsp.generation_best_Y)
plt.show()

在这里插入图片描述

3.4 使用遗传算法进行曲线拟合

构建数据集：

import numpy as np
import matplotlib.pyplot as plt
from sko.GA import GA
x_true = np.linspace(-1.2, 1.2, 30)
y_true = x_true ** 3 - x_true + 0.4 * np.random.rand(30)
plt.plot(x_true, y_true, 'o')

构建的数据是 y = x 3 − x + 0.4 y=x^3-x+0.4 y=x3−x+0.4，然后加上了随机扰动项。如图：

在这里插入图片描述

定义需要拟合的函数（三次函数），然后将残差作为目标函数去求解：

def f_fun(x, a, b, c, d):
    return a * x ** 3 + b * x ** 2 + c * x + d   #三次函数

def obj_fun(p):
    a, b, c, d = p
    residuals = np.square(f_fun(x_true, a, b, c, d) - y_true).sum()
    return residuals

求解：

ga = GA(func = obj_fun, n_dim = 4, size_pop = 100, max_iter = 500, lb = [-2] * 4, ub = [2] * 4)
best_params, residuals = ga.run()
print('best_x:', best_params, '\n', 'best_y:', residuals)

在这里插入图片描述

可以看到拟合出来的方程为 y = 0.9656 x 3 − 0.0065 x 2 − 1.0162 x + 0.2162 y=0.9656x^{3}-0.0065x^{2}-1.0162x+0.2162 y=0.9656x3−0.0065x2−1.0162x+0.2162

画出拟合线:

y_predict = f_fun(x_true, *best_params)
fig, ax = plt.subplots()
ax.plot(x_true, y_true, 'o')
ax.plot(x_true, y_predict, '-')
plt.show()

在这里插入图片描述

到此这篇关于Python优化算法—遗传算法的文章就介绍到这了,更多相关Python遗传算法内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！

您可能感兴趣的文档:

--结束END--

本文标题: Python优化算法之遗传算法案例代码

本文链接: https://lsjlt.com/news/196676.html(转载时请注明来源链接)

有问题或投稿请发送至: 邮箱/279061341@qq.com    QQ/279061341

猜你喜欢
  • Python优化算法之遗传算法案例代码
    目录一、前言二、安装三、遗传算法3.1 自定义函数3.2 遗传算法进行整数规划3.3 遗传算法用于旅行商问题3.4 使用遗传算法进行曲线拟合一、前言 优化算法，尤其是启发式的仿生智能...
    99+
    2023-02-18
    Python遗传算法 Python优化算法
  • 遗传算法【Python】
    遗传算法概念 基本思想： 遗传算法(GA)是一种全局寻优搜索算法，它依据的是大自然生物进化过程中“适者生存”的规律。它首先对问题的可行解进行编码，组成染色体，然后通过模拟自然界的进化过程，对初始种群中...
    99+
    2023-09-17
    python
  • 遗传算法集装箱优化算法Django+Th
    自学编程一年多了，结合自己在供应链工作的经验做的，希望大家喜欢，本人QQ 394601344，有兴趣可以加我私聊，谢谢。 前端Web用的Three.js，BootStrap ，后端用的Django，用的遗传算法。 遗传算法： 其实弄明白了...
    99+
    2023-01-31
    算法 集装箱 Django
  • 遗传算法（python版）
    1、基本概念 遗传算法（GA）是最早由美国Holland教授提出的一种基于自然界的“适者生存，优胜劣汰”基本法则的智能搜索算法。该法则很好地诠释了生物进化的自然选择过程。遗传算法也是借鉴该基本法则，通过基于种群的思想，将问题的解通...
    99+
    2023-01-31
    算法 python
  • 怎么用python代码实现遗传算法
    要使用Python代码实现遗传算法，可以按照以下步骤进行操作：1. 定义问题：首先，需要明确要解决的问题是什么，例如优化问题、寻找最...
    99+
    2023-10-10
    python
  • 一个关于遗传算法优化的简单例子
    在课程上学了一些关于遗传算法的思想的，想用这个思想来写一个简单的小例子。 先来说遗传算法的思想：遗传算法是模拟生物的遗传、变异、选择、进化来对问题的解进行优化，可以理解为将一组初始解看成是“基因”，在求解的开始设置一个过滤器，对“基因”进...
    99+
    2023-01-31
    算法 例子 简单
  • 小白易懂的遗传算法（Python代码实现）
    无约束的遗传算法（最简单的） 最开始真正理解遗传算法，是通过这个博主的讲解，安利给小白们看一看，遗传算法的Python实现（通俗易懂），我觉得博主写的让人特别容易理解，关键是代码也不报错，然后我就照着...
    99+
    2023-09-16
    python numpy 开发语言
  • 使用Python实现遗传算法的完整代码
    目录遗传算法具体步骤：1.2 实验代码1.3 实验结果1.4 实验总结1、如何在算法中实现“优胜劣汰”？2 、如何保证进化一直是在正向进行？3、交叉如何实现？...
    99+
    2023-03-23
    Python 遗传算法 python算法
  • java遗传算法路径优化怎么实现
    要实现Java遗传算法路径优化，您可以按照以下步骤进行： 定义遗传算法的基本元素：染色体、个体、种群等。染色体表示一条路径，个体...
    99+
    2023-10-22
    java
  • python遗传算法之geatpy的深入理解
    目录1. geatpy的安装2. geatpy的基础数据结构2.1 种群染色体2.2 种群表现型2.3 目标函数值2.4 个体适应度2.5 违反约束程度矩阵2.6 译码矩阵2.7 进...
    99+
    2024-04-02
  • 使用Python实现的遗传算法 附完整代码
    遗传算法是模仿自然界生物进化机制发展起来的随机全局搜索和优化方法，它借鉴了达尔文的进化论和孟德尔的遗传学说。其本质是一种高效、并行、全局搜索的方法，它能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应的控制搜索过程以求得最优解。遗传算...
    99+
    2023-09-26
    Python 遗传算法 flask Powered by 金山文档
  • 如何在Python中用遗传算法优化垃圾收集
    这篇文章主要讲解了“如何在Python中用遗传算法优化垃圾收集”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“如何在Python中用遗传算法优化垃圾收集”吧！背景在其中一个章节中，Mitche...
    99+
    2023-06-16
  • Python怎么实现遗传算法
    这篇文章给大家分享的是有关Python怎么实现遗传算法的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。（一）问题遗传算法求解正方形拼图游戏（二）代码#!/usr/bin/env python# ...
    99+
    2023-06-21
  • python遗传算法之geatpy如何安装使用
    这篇文章主要介绍了python遗传算法之geatpy如何安装使用的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇python遗传算法之geatpy如何安装使用文章都会有所收获，下面我们一起来看看吧。1. geat...
    99+
    2023-07-06
  • python人工智能遗传算法示例解析
    目录一、实验目的二、实验原理三、实验条件四、实验内容五、实验结果一、实验目的 熟悉和掌握遗传算法的原理、流程和编码策略，并利用遗传求解函数优化问题，理解求解流程并测试主要参数对结果的...
    99+
    2024-04-02
  • python实现高效的遗传算法
    遗传算法属于一种优化算法。 如果你有一个待优化函数，可以考虑次算法。假设你有一个变量x，通过某个函数可以求出对应的y，那么你通过预设的x可求出y_pred，y_pred差距与你需要的...
    99+
    2024-04-02
  • 优化算法库DEAP的粒子群优化算法（PSO）示例代码分析
    之前使用优化算法库DEAP做遗传算法(Genetic Optimization)，最近在研究粒子群优化算法（PSO）发现DEAP也提供支持；对原代码做了分析，之后会尝试用于交易策略参数优化。首先关于粒子群优化算法（PSO），这个算法的介绍很...
    99+
    2023-06-02
  • python遗传算法之单/多目标规划问题
    目录1. 运行环境2. 面向对象的原理3. 带约束的单目标优化问题3.1 继承 Problem 问题类完成对问题模型的描述3.2 调用算法模板进行求解3.3 结果4. 带约束的多目标...
    99+
    2024-04-02
  • python遗传算法之geatpy的怎么安装使用
    这篇“python遗传算法之geatpy的怎么安装使用”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“python遗传算法之g...
    99+
    2023-06-30
  • Python&Matlab实现灰狼优化算法的示例代码
    目录1 灰狼优化算法基本思想2 灰狼捕食猎物过程2.1 社会等级分层2.2 包围猎物2.3 狩猎2.4 攻击猎物2.5 寻找猎物3 实现步骤及程序框图3.1 步骤3.2 程序框图4 ...
    99+
    2024-04-02
软考高级职称资格查询
热门wiki
近期文章
推荐阅读
热门问答
热门标签
编程网，编程工程师的家园，是目前国内优秀的开源技术社区之一，形成了由开源软件库、代码分享、资讯、协作翻译、讨论区和博客等几大频道内容，为IT开发者提供了一个发现、使用、并交流开源技术的平台。

  • 官方手机版

  • 微信公众号

  • 商务合作