evopy

การขับไล่

กลยุทธ์วิวัฒนาการทำให้ง่าย!

ใช้ Evopy เพื่อเพิ่มประสิทธิภาพเวกเตอร์ของลอยใน Python ได้อย่างง่ายดาย

- การติดตั้ง

สิ่งที่คุณต้องใช้ Evopy คือ Python 3! เรียกใช้คำสั่งนี้เพื่อดึง Evopy จาก PYPI:

 pip install evopy

จากนั้นคุณสามารถนำเข้า EvoPy เช่นนี้:

 from evopy import EvoPy 

⏩การใช้งาน

ตัวอย่างหนึ่งมิติ

สมมติว่าเราต้องการค้นหาสิ่งที่เหมาะสมที่สุดของพาราโบลาโดยไม่ต้องใช้วิธีการที่แน่นอนจากแคลคูลัส! ด้วย Evopy นี่เป็นเรื่องง่ายเหมือนการเขียนสองบรรทัดต่อไปนี้:

 evopy = EvoPy ( lambda x : pow ( x , 2 ), 1 )
best_coordinates = evopy . run ()

ส่วนผสมหลักที่นี่คือฟังก์ชั่นการออกกำลังกาย (แลมบ์ดา) นี่อาจเป็นข้อมูลอ้างอิงฟังก์ชั่นปกติเพียงตรวจสอบให้แน่ใจว่ามันยอมรับการลอยหรืออาร์เรย์ของลอยและเอาต์พุตลอยเดี่ยว ส่วนผสมอื่นคือ 1 ในตอนท้ายของบรรทัดแรก: นี่คือมิติของอินพุตที่คุณคาดหวังในฟังก์ชั่นการออกกำลังกายของคุณ best_coordinates จะมีอาร์เรย์ที่มีองค์ประกอบเดียวซึ่งเป็นค่า x ที่ดีที่สุดที่อัลกอริทึมสามารถค้นหาได้ในจำนวนเริ่มต้นของรุ่น

ตัวอย่างหลายมิติ

หากตัวอย่างก่อนหน้านี้ดูง่ายเกินไปสำหรับคุณเรายังสามารถดูฟังก์ชั่นที่ซับซ้อนและซับซ้อนกว่าสองมิติเช่นฟังก์ชั่น Rastrigin เราไม่จำเป็นต้องแก้ไขมากในตัวอย่างโค้ดก่อนหน้านี้เพื่อให้สิ่งนี้ทำงานได้:

 evopy = EvoPy (
    lambda X : 5 + sum ([( x ** 2 - 5 * np . cos ( 2 * np . pi * x )) for x in X ]), 
    2 , 
    generations = 1000 , 
    population_size = 100
)
best_coordinates = evopy . run ()

เมื่อเปรียบเทียบกับตัวอย่างแรกเราได้เปลี่ยนฟังก์ชั่นการออกกำลังกายสำหรับหนึ่งที่ซับซ้อนมากขึ้นตั้งค่ามิติเป็น 2 และให้เวลาอัลกอริทึมมากขึ้นในการค้นหาที่เหมาะสมโดยการตั้งค่ารุ่นที่สูงขึ้นและการนับแต่ละรายการมากกว่าค่าเริ่มต้น

เอกสาร

สำหรับข้อมูลรายละเอียดเพิ่มเติมเกี่ยวกับฟังก์ชั่นของ Evopy ลองดูเอกสาร!

⛏การพัฒนา

โคลนที่เก็บนี้และดึงข้อมูลการพึ่งพาทั้งหมดจากภายในไดเรกทอรีโคลน:

 pip install -r requirements.dev.txt

เรียกใช้การทดสอบทั้งหมดด้วย:

 nosetests

หากต้องการตรวจสอบสไตล์รหัสของคุณ Run:

 pylint evopy

ในการวัดความครอบคลุมรหัสของคุณ Run:

 nosetests --with-coverage --cover-package=evopy --cover-html --cover-branches --cover-erase