【文件属性】：
文件名称：matlab如何敲代码-swarmops:Python的启发式优化
文件大小：43KB
文件格式：ZIP
更新时间：2021-05-23 08:44:31
系统开源
matlab如何敲代码SwarmOps-Python的启发式优化。
SwarmOps
for
Python实现了以下启发式优化器，它们不使用要优化的问题的梯度：
粒子群优化（PSO）
差分进化（DE）
许多优化联络人（MOL）-PSO的简单变体
模式搜索（PS）
本地单峰采样（LUS）
所有这些优化器均执行最小化。
如果您需要最大程度地解决问题，则只需在适应度函数（又称成本函数或误差函数）中返回负值即可。
PS和LUS优化器只需要很少的迭代，因此对于计算非常耗时的问题很有用。
PSO，MOL和DE通常需要更多的迭代，但有时也可以找到更好的解决方案。
可以使用MultiRun类执行多个优化运行，该类还支持打印各种统计信息，绘制适应度曲线以及使用SciPy的优化器优化最佳解决方案。
还以不同的方式支持并行执行，请参见下文。
还支持元优化，其中可以通过使用叠加元优化器来调整优化器的控制/行为参数，请参见下文。
安装
安装SwarmOps并在您自己的项目中使用它的最简单方法是使用虚拟环境。
您在Linux终端中编写以下代码：
mkdir
~/dev/my-project/
cd
~/dev/m
【文件预览】：
swarmops-master
----.gitignore(68B)
----README.md(10KB)
----swarmops()
--------Optimize.py(13KB)
--------LogSolutions.py(3KB)
--------Problem.py(14KB)
--------LUS.py(6KB)
--------tools.py(5KB)
--------MetaOptimize.py(13KB)
--------__init__.py(90B)
--------DE.py(15KB)
--------PS.py(6KB)
--------PSO.py(23KB)
--------FitnessTrace.py(3KB)
--------Timer.py(2KB)
----demo-meta-optimize.py(8KB)
----demo-optimize.py(7KB)
----tests()
--------test_all.py(13KB)
----LICENSE.txt(1KB)
----setup.py(604B)