Python遗传算法Geatpy工具箱使用介绍

　　import numpy as np

　　import geatpy as ea

　　class MyProblem(ea.Problem): # 继承Problem父类

　　def __init__(self):

　　name = 'Shortest_Path' # 初始化name（函数名称，可以随意设置）

　　M = 1 # 初始化M（目标维数）

　　maxormins = [1] # 初始化maxormins（目标最小最大化标记列表，1：最小化该目标；-1：最大化该目标）

　　Dim = 10 # 初始化Dim（决策变量维数）

　　varTypes = [1] * Dim # 初始化varTypes（决策变量的类型，元素为0表示对应的变量是连续的；1表示是离散的）

　　lb = [0] * Dim # 决策变量下界

　　ub = [9] * Dim # 决策变量上界

　　lbin = [1] * Dim # 决策变量下边界 1表示闭合区间，0表示开区间

　　ubin = [1] * Dim # 决策变量上边界

　　# 调用父类构造方法完成实例化

　　ea.Problem.__init__(self, name, M, maxormins, Dim, varTypes, lb, ub, lbin, ubin)

　　# 设置每一个结点下一步可达的结点（结点从1开始数，因此列表nodes的第0号元素设为空列表表示无意义）

　　self.nodes = [[], [2, 3], [3, 4, 5], [5, 6], [7, 8], [4, 6], [7, 9], [8, 9], [9, 10], [10]]

　　# 设置有向图中各条边的权重

　　self.weights = {'(1, 2)': 36, '(1, 3)': 27, '(2, 4)': 18, '(2, 5)': 20, '(2, 3)': 13, '(3, 5)': 12,

　　'(3, 6)': 23,

　　'(4, 7)': 11, '(4, 8)': 32, '(5, 4)': 16, '(5, 6)': 30, '(6, 7)': 12, '(6, 9)': 38,

　　'(7, 8)': 20,

　　'(7, 9)': 32, '(8, 9)': 15, '(8, 10)': 24, '(9, 10)': 13}

　　def decode(self, priority): # 将优先级编码的染色体解码得到一条从节点1到节点10的可行路径

　　edges = [] # 存储边

　　path = [1] # 结点1是路径起点

　　while not path[-1] == 10: # 开始从起点走到终点

　　currentNode = path[-1] # 得到当前所在的结点编号

　　nextNodes = self.nodes[currentNode] # 获取下一步可达的结点组成的列表

　　chooseNode = nextNodes[np.argmax(

　　priority[np.array(nextNodes) - 1])] # 从NextNodes中选择优先级更高的结点作为下一步要访问的结点，因为结点从1数起，而下标从0数起，因此要减去1

　　path.append(chooseNode)

　　edges.append((currentNode, chooseNode))

　　return path, edges

　　def aimFunc(self, pop): # 目标函数

　　pop.ObjV = np.zeros((pop.sizes, 1)) # 初始化ObjV

　　for i in range(pop.sizes): # 遍历种群的每个个体，分别计算各个个体的目标函数值

　　priority = pop.Phen[i, :]

　　path, edges = self.decode(priority) # 将优先级编码的染色体解码得到访问路径及经过的边

　　pathLen = 0

　　for edge in edges:

　　key = str(edge) # 根据路径得到键值，以便根据键值找到路径对应的长度

　　if not key in self.weights:

　　raise RuntimeError("Error in aimFunc: The path is invalid. (当前路径是无效的。)", path)

　　pathLen += self.weights[key] # 将该段路径长度加入

　　pop.ObjV[i] = pathLen # 计算目标函数值，赋值给pop种群对象的ObjV属性

　　## 执行脚本

　　if __name__ == "__main__":

　　# 实例化问题对象

　　problem = MyProblem()

　　# 构建算法

　　algorithm = ea.soea_EGA_templet(problem,

　　ea.Population(Encoding='RI', NIND=4),

　　MAXGEN=10, # 最大进化代数

　　logTras=1) # 表示每隔多少代记录一次日志信息

　　# 求解

　　res = ea.optimize(algorithm, verbose=True, drawing=1, outputMsg=False, drawLog=False, saveFlag=True,

Python遗传算法Geatpy工具箱使用介绍

相关文章

大家感兴趣的内容

最近更新的内容