GeneticOptimizer

遗传优化器

遗传算法优化器使用K-均值聚类以一种方式方差分析算法

警告：这是一个一年级的学生项目，现在不支持。

前：

安装：

使用软件包管理器PIP安装Genetic_Optimizer。

pip3 install genetic-optimizer

笔记：

包装需要=> Python 3.6.5，使用Python 2.xx项目中的Genetic_optimizer可能无法正常工作。如果您不确定自己的Python版本，请尝试：

python3 --version

用法

 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' )

这些是生成器的默认选项，您可以在defaults.ini文件中更改它们。
注意：生成的数据集位于数据集/子目录中

 some_object . optimize ( data = None , iterations = 12 , shuffle_scale = 0.6 , variety = 0.8 , chromosome_weight = 0.0000001 )

这些是优化器的默认选项，您可以在标准中更改它们。

笔记

• 如果优化器一开始就陷入困境，这通常意味着您与人口的数据框架很小，可以找到适当的父母以创建下一代。

• 有关更多说明，请查看Wiki项目。

优点

• 没有突变和交叉概率。计划根据群体差异与父母相匹配，并创建新的孩子，这是由最成功的基因对基因构建的。这意味着新一代与每个孩子更接近遗传的父母并不是更糟糕的是。

• 您可以使用选项来实现更精确的结果。

缺点

• 健身和父母选择过程进行了递归进行。如果您不使用一些RDD计算，则程序执行可能更长。

贡献

欢迎拉动请求。对于重大更改，请先开设一个问题，以讨论您想更改的内容。

执照

麻省理工学院

工具

• 微编辑器
• UNIX控制台

代码主要根据Google PEP样式指南编写