مُحسّن الخوارزمية الجينية باستخدام مجموعة K-Means مع خوارزميات ANOVA طريقة واحدة
تحذير: كان هذا مشروع طالب في السنة الأولى وهو خارج الدعم الآن.
استخدم Package Manager PIP لتثبيت genetic_optimizer.
pip3 install genetic-optimizerتتطلب الحزمة => Python 3.6.5 ، باستخدام Genetic_optimizer في مشاريع Python 2.xx قد لا تعمل بشكل صحيح. إذا لم تكن متأكدًا من إصدار Python الخاص بك ، فحاول:
python3 --version import genetic_optimizer
some_object = genetic_optimizer . Optimizer ()
some_object . generate ( population_size = 46 , chromosome_size = 8 , equal_chromosomes = True , initialization_method = 'Random' , representation = 'Binary' , saving_method = 'csv' ) هذه خيارات افتراضية للمولد ، يمكنك تغييرها في ملف الافتراضي
ملاحظة: مجموعات بيانات تم إنشاؤها في مجموعات البيانات/ الدليل الفرعي
some_object . optimize ( data = None , iterations = 12 , shuffle_scale = 0.6 , variety = 0.8 , chromosome_weight = 0.0000001 )هذه خيارات افتراضية لـ Optimizer ، يمكنك تغييرها في ملف المعايير.
إذا تعثرت Optimizer في البداية ، فهذا يعني عادة أن إطار البيانات الخاص بك مع السكان هو صغير للعثور على أولياء الأمور المتوفرة من أجل إنشاء الأجيال القادمة.
لمزيد من الوصف ، يرجى مراجعة مشروع ويكي.
لا يوجد طفرة وارتفاع احتمال. يطابق البرنامج أولياء الأمور وفقًا للاختلافات الجماعية وإنشاء طفل جديد ، مبني من أنجح أزواج من الجينات منها. هذا يعني أن الأجيال الجديدة أقرب إلى كل طفل وكل طفل ليس أسوأ من ذلك الوالد الوراثي الأسوأ .
يمكنك اللعب مع خيارات لتحقيق نتائج أكثر سابقة.
طلبات السحب موضع ترحيب. للتغييرات الرئيسية ، يرجى فتح مشكلة أولاً لمناقشة ما تريد تغييره.
معهد ماساتشوستس للتكنولوجيا
الكود مكتوب في الغالب وفقًا لدليل نمط Google PEP