DEAP（Distributed Evolutionary Algorithms in Python）是一個用于快速原型設計和實驗的進化計算框架。它支持多種進化算法，包括遺傳算法、遺傳編程、進化策略、粒子群優(yōu)化等。DEAP 的設計目標是靈活性和易用性，使得研究人員和開發(fā)者能夠輕松地實現(xiàn)和測試各種進化算法。

官方文檔

官方GitHub倉庫

因本人主攻方向并不是Python甚至可以說之前對Python一竅不通，如有錯誤，還望各位讀者指正。

本篇也以講解用法為主，具體的類的繼承和原理并不涉及。

這里以求 f(x)=(x−5)2f(x)=(x−5)2 和 f(x)=−x2+4x+4f(x)=−x2+4x+4 在 [0,31][0,31] 上都盡可能大為目標的，多目標優(yōu)化為例。

0.載入DEAP庫

import random
from deap import base, creator, tools, algorithms

由于并不需要deap庫所有的功能，這里僅載入要用到的幾個模塊。

1. 創(chuàng)建適應度函數(shù)

def evaluate(individual):
    ans = 0
    for i in range(len(individual)):
        ans += (individual[i] << i)
    return ((ans - 5) ** 2, -ans ** 2 + ans * 4 + 4)

因為適應度默認是一個元組，這里選擇返回一個元組。而每個整數(shù)采用二進制存儲，則是因為在后面的基因交換中，要求兩個基因是列表，整數(shù)無法進行交換操作。

2. 創(chuàng)建個體，種群

def init_individual(icls):
    content = [toolbox.attr_int() for _ in range(5)]
    individual = icls(content)
    individual.fitness.values = (0.0, 0.0) #初始化適應度
    return individual
creator.create("FitnessMulti", base.Fitness, weights=(1.0, 1.0)) #創(chuàng)建適應度
creator.create("Individual", list, fitness=creator.FitnessMulti) #創(chuàng)建個體類，個體為一個列表，并將適應度作為其中的一個屬性
toolbox = base.Toolbox()
toolbox.register("attr_int", random.randint, 0, 1) #隨即生成0或1作為二進制的每一位
toolbox.register("individual", init_individual, creator.Individual)#注冊個體生成函數(shù)
toolbox.register("population", tools.initRepeat, list, toolbox.individual)#注冊種群生成函數(shù)，生成種群為一個列表

此處第六行weights是適應度，庫默認為一個元組。因為此次舉例是雙函數(shù)得到多目標優(yōu)化，因此元組有兩個元素，每個元素的絕對值表示該維函數(shù)的權重，正負則表示是最大化還是最小化；為正，則表示目的是使該維元素最大化。

各個函數(shù)介紹

creator.creat基本用法

在 DEAP 庫中，creator.create 是一個非常重要的函數(shù)，用于動態(tài)創(chuàng)建新的類型。這些類型通常用于定義個體的表示方式（如染色體）和適應度函數(shù)。creator.create 的靈活性使得 DEAP 能夠適應各種不同的進化算法需求。

creator.create(name, base, **kwargs)

參數(shù)說明：

toolbox.register基本用法

toolbox.register 用于將函數(shù)或操作注冊到 toolbox 對象中，方便在算法中調用。通常用于注冊個體生成、交叉、變異、選擇等操作。如所給代碼中，注冊后individual和population就是可以直接調用的函數(shù)。

toolbox.register(alias, method, *args, **kargs)

參數(shù)說明：

以原代碼中的為例

toolbox.register("individual", init_individual, creator.Individual)

我們注冊了一個名為individual的函數(shù)，后續(xù)可通過toolbox.individual()調用，函數(shù)實際上執(zhí)行的是init_individual函數(shù)的內(nèi)容,creator.Individual是之前創(chuàng)造的個體類，作為參數(shù)傳入init_individual。

tools.initRepeat基本用法

在 DEAP 庫中，tools.initRepeat 是一個用于生成重復結構的工具函數(shù)。它通常用于初始化個體或種群，生成包含重復元素的列表或其他數(shù)據(jù)結構。以下是 tools.initRepeat 的詳細參數(shù)及其用法：

deap.tools.initRepeat(container, func, n)

參數(shù)說明：

實際上是執(zhí)行func函數(shù)n次，并將其存入container類型中。

以原代碼中的為例

toolbox.register("population", tools.initRepeat, list, toolbox.individual)

我們注冊了一個名為population的函數(shù)函數(shù)，實際上執(zhí)行的是tools.initRepeat函數(shù)的內(nèi)容,list表明生成的對象，也就是種群，是一個列表，作為參數(shù)傳入tools.initRepeat，toolbox.individual是initRepeat重復執(zhí)行的內(nèi)容。注意到，此處并未寫出重復執(zhí)行次數(shù)n。這樣我們在后續(xù)的種群生成中就可以自由選擇生成種群的大小。

同時，因為此例我們的個體是一個整數(shù)，也就是一個五個元素的列表。但在某些情況下，我們的個體未必是一個元素，這時，生成個體的函數(shù)也可以通過同樣的方法實現(xiàn)。例如：我可以定義一個個體是由五個列表構成，每個列表有五個元素（0或1）。toolbox.individual可以如此注冊：

toolbox.register("individual", tools.initRepeat, list, init_individual, creator.Individual, n = 5)

注意： 此處的注冊函數(shù)有誤，因為此種寫法會導致creator.Individual被視作tools.initRepeat的第三個參數(shù)也就是重復次數(shù)，而不會被視作init_individual的參數(shù)。因此init_individual應使用匿名函數(shù)形式，以避免這種情況。這里沒做修改。

3. 創(chuàng)建其他需要的參數(shù)和函數(shù)

toolbox.register("evaluate", evaluate) #注冊適應度函數(shù)
toolbox.register("mate", tools.cxTwoPoint) #采用兩點交叉方法
toolbox.register("mutate", tools.mutFlipBit, indpb=0.1) #采用位翻轉變異發(fā)，每個基因變異概率0.1
toolbox.register("select", tools.selNSGA2)  # 因為是多目標優(yōu)化問題，使用 NSGA-II 選擇機制
population_size = 50 # 種群規(guī)模
generations = 40 # 繁殖代數(shù)
crossover_prob = 0.9 # 交叉概率
mutation_prob = 0.2# 個體變異概率
population = toolbox.population(n = population_size) #生成規(guī)模為50的種群

在這個過程中，基因交叉，變異，選擇機制都有很多，各位讀者可以根據(jù)需求自由選擇。

4.執(zhí)行遺傳算法

for gen in range(generations):
    offspring = algorithms.varAnd(population, toolbox, cxpb = crossover_prob, mutpb = mutation_prob)
    fits = map(toolbox.evaluate, offspring)
    for fit, ind in zip(fits, offspring):
        ind.fitness.values = fit
    population = toolbox.select(offspring + population, k = population_size)

algorithms.varAnd基本用法

algorithms.varAnd(population, toolbox, cxpb, mutpb)

varAnd 會從 toolbox 中調用注冊的函數(shù)；toolbox.mate：交叉操作；toolbox.mutate：變異操作。

之后如有需要，可以輸出最后的種群，也可結合matplotlib繪制圖表。

到此這篇關于Python使用DEAP庫實現(xiàn)簡單遺傳算法的文章就介紹到這了,更多相關Python DEAP遺傳算法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論