GAToolBox

KO | EN

gitlite — search

#hacktoberfest #react #ai #typescript #llm #android #machine-learning #rust #deep-learning #linux #macos #nodejs #awesome #openai

(★ 9)

遗传算法工具箱Python实现

GAToolBox 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

## GAToolBox

在计算机科学和运筹学中，遗传算法（Genetic Algorithm，GA）是受自然选择过程启发的一种元启发法，它属于进化算法（Evolutionary Algorithms, EA）的一种。 遗传算法依赖于诸如突变，交叉和选择等受生物学启发的操作，其通常用于为优化和搜索问题提供高质量解决方案。

> In computer science and operations research, a genetic algorithm (GA) is a metaheuristic inspired by the process of natural selection that belongs to the larger class of evolutionary algorithms (EA). Genetic algorithms are commonly used to generate high-quality solutions to optimization and search problems by relying on biologically inspired operators such as mutation, crossover and selection.

首先需要解决染色体的编码问题，常见的染色体编码有2进制、8进制、10进制、16进制。由于其中二进制的位编辑灵活简单，所以只进行了二进制编码的实现。其次是交叉和突变，交叉的可选类型较多，针对其实用性本文实现了单点交叉以及均匀交叉。而突变则是根据突变概率对于每一位进行变异操作。同时为了实现历史计算结果存储、上一代种群计算结果存储以及历史进化曲线存储，以保证程序中断后可以在原有基础上继续搜索进化，避免重复计算，同时实现了32进制与2进制数据间转换以方便染色体字的存储，主要针对计算量较大的情况进行的改进。同时为了特征筛选的需求，对于均匀交叉以及突变操作进行了优化以保证染色体中位为1的个数在允许范围内（也就是特征个数在允许范围内）。示例代码如下：

```python
import numpy as np
from GAToolBox import GAToolBox

def fitness(factor):
    """
    用户的适应度函数
    """
    if type(factor) is list:
        binary = map(str, factor)
        binary_str = ''.join(binary)
        if len(binary_str) > 16:
            print(binary_str, "chromosome_list is too long !")
        dec = float(int(binary_str, 2)) / 65535.0 * 10.0
        return dec, sum([j * np.cos((j + 1) * dec + j) for j in range(1, 6)])
    else:
        return factor, sum([j * np.cos((j + 1) * factor + j) for j in range(1, 6)])

def chromosome_checker(factor):
    """
    用户的染色体检查器
    """
    return True

if __name__ == "__main__":
    GA = GAToolBox(min_value=-13, size_pop=10, max_gen=100, p_cross=0.6, p_exchange=0.3, p_mutation=0.4,
                   function=fitness, chromosome_checker=chromosome_checker)
    GA.run(is_show_trace=True, if_show_search=True)

```

运行后可看出遗传算法已找到最优解，现在进行参数讲解：
- size_pop: 种群大小，默认为10
- max_gen: 进化代数，默认为200
- len_chromosome: 染色体长度，默认为16: 
- max_length: 染色体中位为1个数的最大值，默认与len_chromosome保持一致
- min_length: 染色体中位为1个数的最小值，默认为0: 
- p_cross: 两个染色体相互交叉的概率，默认为0.6
- p_exchange: 使用均匀交叉时每位的交叉概率，默认为0.3
- p_mutation: 每个选中的染色体变异的概率以及每位变异的概率
- gap: 隔代差异，即每次进化保留的上一代个体的概率，默认为0.9
- min_value: 最优解的大小，默认为0，该项目中认为最优解适应度函数值最小
- factor_best_temp: 已知的最优解染色体，默认为None
- parallel_num: 使用多线程计算时线程个数
- function: 适应度函数指针，默认为None
- accuracy_fun: 准确率辅助函数，默认为None
- chromosome_checker: 染色体检查器，检查染色体是否可用，默认为None
- trace_file: 进化曲线存储文件名，默认为: "trace.csv"
- recorder_file: 历史计算数据存储文件名，默认为: "result.csv"
- current_chromosome_file: 最新已计算适应度的染色体存储文件名，默认为: "current_chromosome.csv"
- data_path: 全部数据的存储路径，默认为: "./result"

参考论文如下：
> S. -J. Wei, B. Zhang, X. -W. Tan, X. -G. Zhao and D. Ye, "A Real-time Human Activity Recognition Approach with Generalization Performance," 2020 39th Chinese Control Conference (CCC), 2020, pp. 6334-6339, doi: 10.23919/CCC50068.2020.9188860.

---

![在这里插入图片描述](https://img-blog.csdnimg.cn/20210524100538845.jpg)

人就像一粒种子，要做一粒好种子 ———— 袁隆平

我想背着每一位病人过河，我最大的幸福就是倒在手术台上。 ———— 吴孟超

谨以此项目祭奠两位国士的离去，先生千古！

GAToolBox

GAToolBox 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

GAToolBox

GAToolBox 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README