GeneticOptimizer

遺傳優化器

遺傳算法優化器使用K-均值聚類以一種方式方差分析算法

警告：這是一個一年級的學生項目，現在不支持。

前：

安裝：

使用軟件包管理器PIP安裝Genetic_Optimizer。

pip3 install genetic-optimizer

筆記：

包裝需要=> Python 3.6.5，使用Python 2.xx項目中的Genetic_optimizer可能無法正常工作。如果您不確定自己的Python版本，請嘗試：

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' )

這些是生成器的默認選項，您可以在defaults.ini文件中更改它們。
注意：生成的數據集位於數據集/子目錄中

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

這些是優化器的默認選項，您可以在標準中更改它們。

筆記

• 如果優化器一開始就陷入困境，這通常意味著您與人口的數據框架很小，可以找到適當的父母以創建下一代。

• 有關更多說明，請查看Wiki項目。

優點

• 沒有突變和交叉概率。計劃根據群體差異與父母相匹配，並創建新的孩子，這是由最成功的基因對基因構建的。這意味著新一代與每個孩子更接近遺傳的父母並不是更糟糕的是。

• 您可以使用選項來實現更精確的結果。

缺點

• 健身和父母選擇過程進行了遞歸進行。如果您不使用一些RDD計算，則程序執行可能更長。

貢獻

歡迎拉動請求。對於重大更改，請先開設一個問題，以討論您想更改的內容。

執照

麻省理工學院

工具

• 微編輯器
• UNIX控制台

代碼主要根據Google PEP樣式指南編寫