/***************************************************************/
/* This is a simple genetic algorithm implementation where the */
/* evaluation function takes positive values only and the */
/* fitness of an individual is the same as the value of the */
/* objective function */
/***************************************************************/
只要输入数据文件，就可以直接运行
2022-01-15 21:34:23
3KB
1
Field Guide to Genetic Programming (ISBN 978-1-4092-0073-4) is an introduction to genetic programming (GP). GP is a systematic, domain-independent method for getting computers to solve problems automatically starting from a high-level statement of what needs to be done. Using ideas from natural evolution, GP starts from an ooze of random computer programs, and progressively refines them through processes of mutation and sexual recombination, until solutions emerge. All this without the user having to know or specify the form or structure of solutions in advance. GP has generated a plethora of human-competitive results and applications, including novel scientific discoveries and patentable inventions.
2022-01-13 16:01:40
3.6MB
1
合作发展
合作协同进化
该算法出现在Potter M.和De Jong K.的“一种用于功能优化的协作式协同进化方法”中，《从自然中解决并行问题》，第1页。 249-257，1994年。
共有五种功能：RASTRIGIN，SCHWEFEL，GRIEWANGK，ACKLEY和ROSENBROCK
编译：gcc合作伙伴_coevolution.c -lm -o合作伙伴_coevolution 演示：./cooperative_coevolution RASTRIGIN
2021-12-20 20:41:53
4KB
1
有关图形着色问题的更多信息，您可以查看此链接： https://en.wikipedia.org/wiki/Graph_coloring
2021-12-16 15:03:55
3KB
1
鸭嘴兽
什么是鸭嘴兽？
Platypus是Python中的演化计算框架，重点是多目标演化算法（MOEA）。 它通过提供用于多目标优化的优化算法和分析工具，与现有的优化库（包括PyGMO，Inspyred，DEAP和Scipy）不同。 它目前支持NSGA-II，NSGA-III，MOEA / D，IBEA，Epsilon-MOEA，SPEA2，GDE3，OMOPSO，SMPSO和Epsilon-NSGA-II。 有关更多信息，请参见我们的或我们的。
例
例如，在鸭嘴兽中使用单个实值决策变量优化一个简单的双目标问题可以通过以下方式完成：
from platypus import NSGAII , Problem , Real
def schaffer ( x ):
return [ x [ 0 ] ** 2 , ( x [ 0 ] - 2 ) ** 2 ]
problem = Problem ( 1 , 2 )
problem . types [:] = Real ( - 10 , 10 )
problem . function =
2021-12-14 17:42:42
403KB
1
遗传算法（Genetic Algorithm，GA）是进化计算的一个分支，是一种模拟自然界生物进化过程的随机搜索算法。
介绍链接：https://blog.csdn.net/qq_44186838/article/details/109197192
2021-12-14 09:08:24
3KB
FeatureSelectionGA
使用遗传算法（DEAP框架）进行特征选择
数据科学家发现，很难选择合适的功能来获得最大的准确性，尤其是当您要处理很多功能时。 有多种选择正确功能的方法。 但是，如果特征空间真的很大，我们将不得不为之奋斗。 遗传算法是一种从其他特征中搜索最佳特征集之一以获得高精度的解决方案。
安装：
$ pip install feature-selection-ga
说明文件：
用法：
from sklearn . datasets import make_classification
from sklearn import linear_model
from feature_selection_ga import FeatureSelectionGA , FitnessFunction
X , y = make_classification ( n_samp
2021-12-13 10:01:42
24KB
1