일방적 인 ANOVA 알고리즘으로 K- 평균 클러스터링을 사용한 유전자 알고리즘 최적화
경고 : 이것은 1 학년 학생 프로젝트였으며 지금은 지원을받지 못했습니다.
패키지 관리자 PIP를 사용하여 genetic_optimizer를 설치하십시오.
pip3 install genetic-optimizerPython 2.xx 프로젝트에서 Genetic_optimizer를 사용하여 패키지 요구 => Python 3.6.5가 필요하지 않을 수 있습니다. 파이썬 버전에 대해 잘 모르겠다면 :
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' ) 이들은 생성기의 기본 옵션입니다. 패키지 디렉토리의 기본값으로 변경할 수 있습니다.
참고 : 생성 된 데이터 세트는 데이터 세트/ 하위 디렉토리에 있습니다
some_object . optimize ( data = None , iterations = 12 , shuffle_scale = 0.6 , variety = 0.8 , chromosome_weight = 0.0000001 )이들은 Optimizer의 기본 옵션이며 Package Directory의 표준에서 변경할 수 있습니다.
Optimizer가 처음에 갇힌 경우, 이는 일반적으로 인구와의 데이터 프레임이 다음 세대를 만들기 위해 적절한 부모를 찾기 위해 작다는 것을 의미합니다.
자세한 내용은 Project Wiki를 확인하십시오.
돌연변이 및 교차 확률은 없습니다. 프로그램은 그룹 차이에 따라 부모와 일치하고 가장 성공적인 유전자 쌍으로 구축 된 새로운 자녀를 만듭니다. 그것은 새로운 세대가 각 세대에 더 가깝고 모든 어린이가 유전 적 더 나쁜 부모가 나쁘지 않다는 것을 의미합니다.
보다 정확한 결과를 달성하기위한 옵션으로 플레이 할 수 있습니다.
풀 요청을 환영합니다. 주요 변경 사항을 위해 먼저 문제를 열어 변경하고 싶은 것을 논의하십시오.
MIT
코드는 대부분 Google PEP 스타일 가이드에 따라 작성됩니다.