GeneticOptimizer
1.0.0
เครื่องมือเพิ่มประสิทธิภาพทางพันธุกรรมอัลกอริทึมโดยใช้การจัดกลุ่ม k-mean ด้วยอัลกอริทึม ANOVA ทางเดียว
คำเตือน: นี่เป็นโครงการนักเรียนปีแรกและไม่ได้รับการสนับสนุนในขณะนี้
ใช้แพ็คเกจ Manager PIP เพื่อติดตั้ง Genetic_optimizer
pip3 install genetic-optimizerแพ็คเกจต้องการ => Python 3.6.5 โดยใช้ Genetic_optimizer ในโครงการ Python 2.xx อาจทำงานไม่ถูกต้อง หากคุณไม่แน่ใจเกี่ยวกับเวอร์ชัน Python ของคุณลอง:
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' ) เหล่านี้เป็นตัวเลือกเริ่มต้นสำหรับเครื่องกำเนิดไฟฟ้าคุณสามารถเปลี่ยนได้ในไฟล์ defaults.ini ในไดเรกทอรีแพ็คเกจ
หมายเหตุ: ชุดข้อมูลที่สร้างขึ้นอยู่ใน ชุดข้อมูล/ ไดเรกทอรีย่อย
some_object . optimize ( data = None , iterations = 12 , shuffle_scale = 0.6 , variety = 0.8 , chromosome_weight = 0.0000001 )เหล่านี้เป็นตัวเลือกเริ่มต้นสำหรับ Optimizer คุณสามารถเปลี่ยนได้ในไฟล์ Standards.conf ในไดเรกทอรีแพ็คเกจ
หาก Optimizer ติดอยู่ที่จุดเริ่มต้นนั่นมักจะหมายความว่า dataframe ของคุณที่มีประชากรมีขนาดเล็กเพื่อค้นหาผู้ปกครองที่ได้รับการอนุมัติเพื่อสร้างรุ่นต่อไป
สำหรับคำอธิบายเพิ่มเติมโปรดตรวจสอบโครงการ Wiki
ไม่มีความน่าจะเป็นการกลายพันธุ์และครอสโอเวอร์ โปรแกรมจับคู่ผู้ปกครองตามความแตกต่างของกลุ่มและสร้างเด็กใหม่ที่สร้างขึ้นจากยีน ที่ประสบความสำเร็จมากที่สุด จากพวกเขา นั่นหมายความว่าคนรุ่นใหม่อยู่ใกล้กับเด็กแต่ละคนและเด็กทุกคน ไม่ได้แย่กว่า ที่ผู้ปกครอง ทางพันธุกรรมแย่ลง
คุณสามารถเล่นด้วยตัวเลือกเพื่อให้ได้ผลลัพธ์ที่ชัดเจนยิ่งขึ้น
ยินดีต้อนรับคำขอดึง สำหรับการเปลี่ยนแปลงครั้งใหญ่โปรดเปิดปัญหาก่อนเพื่อหารือเกี่ยวกับสิ่งที่คุณต้องการเปลี่ยนแปลง
มิกซ์
รหัสส่วนใหญ่เขียนตามคู่มือสไตล์ Google Pep
