文件名称：matlab代码影响-DistEvo:使用GoogleAppEngine进行Python分布式进化优化
文件大小：45KB
文件格式：ZIP
更新时间：2024-06-11 03:30:32
系统开源
matlab代码影响DistEvo Google App Engine的Python分布式进化 进化算法 进化优化过程受到生物学和自然选择的启发。 可以说，由于通过许多不同的自然过程选择了最适合的个体，所有现有的生物种群都逐渐收敛到最佳状态。 突变和/或性育会导致世代之间以及世代本身内部的变异，但是，只有成功的个体才能被允许进一步繁殖或复制。 此达尔文式过程可以用作启发，并应用于黑盒优化算法。 对于任何给定的函数，其参数集都可以用作适合性的基因型，这不过是该函数结果与最小值，最大值或任何其他所需值的接近程度。 换句话说，我们可以通过简单比较它们的值来选择给定样本总体的最佳参数。 实际上，任何函数都可以用于这种优化，并且不需要其他假设，例如线性，任何阶数导数的存在，连续性，无噪声等。这些算法组以及我们的大多数算法的实现，请遵循以下简单步骤：通过随机抽样生成初始种群； 计算该人群的适应度； 通过突变和/或交叉创造新的种群； 计算此新人口的适应度，如果结果更好，请替换其父母，重复最后两个步骤，直到收敛为止。 进化策略 这个简单算法有许多变体，特别是关于如何生成新种群的变体。 此步骤中可以使用
【文件预览】：
DistEvo-master
----webapp()
--------main.py(11KB)
--------job.py(4KB)
--------testGetAllVms.py(716B)
--------testVMWorkflow.py(3KB)
--------matplotlibrc(24KB)
--------stats.py(4KB)
--------index.html(612B)
--------util.py(86B)
--------app.yaml(355B)
--------testGetSingleJob.py(739B)
--------fontList.cache(54KB)
--------vm.py(522B)
--------testPut.py(1KB)
--------.gitignore(44B)
--------favicon.ico(1KB)
--------testGetAllJobs.py(706B)
----gae_config.py(434B)
----LICENSE(11KB)
----driver.py(5KB)
----gae_lib.py(8KB)
----.gitignore(315B)
----README.md(13KB)
----optimizer.py(3KB)
----dispatcher.py(4KB)