复合差分进化（CODE）

class pypop7.optimizers.de.code.CODE(problem, options)

复合差分进化（CODE）。

Parameters:

• 问题 (dict) –

  问题参数包含以下常见设置 (keys):

  • ’fitness_function’ - 需要最小化的目标函数 (func),

  • ’ndim_problem’ - 维度数 (int),

  • ’upper_boundary’ - 搜索范围的上限 (array_like),

  • ’lower_boundary’ - 搜索范围的下限 (array_like).

• options (dict) –

  具有以下常见设置的优化器选项 (keys):

  • ’max_function_evaluations’ - 函数评估的最大次数 (int, 默认: np.inf),

  • ’max_runtime’ - 允许的最大运行时间 (float, 默认: np.inf),

  • ’seed_rng’ - 需要显式设置的随机数生成种子 (int);

  以及以下特定设置 (key):

  • ’n_individuals’ - 种群大小 (int, 默认: 100).

示例

使用优化器来最小化著名的测试函数 Rosenbrock:

>>> import numpy
>>> from pypop7.benchmarks.base_functions import rosenbrock  # function to be minimized
>>> from pypop7.optimizers.de.code import CODE
>>> problem = {'fitness_function': rosenbrock,  # define problem arguments
...            'ndim_problem': 2,
...            'lower_boundary': -5*numpy.ones((2,)),
...            'upper_boundary': 5*numpy.ones((2,))}
>>> options = {'max_function_evaluations': 5000,  # set optimizer options
...            'seed_rng': 0}
>>> code = CODE(problem, options)  # initialize the optimizer class
>>> results = code.optimize()  # run the optimization process
>>> # return the number of function evaluations and best-so-far fitness
>>> print(f"CODE: {results['n_function_evaluations']}, {results['best_so_far_y']}")
CODE: 5000, 0.01052980838183792

n_individuals

后代数量，也称为后代种群大小。

Type:

int

参考文献

王, Y., 蔡, Z., 和张, Q. 2011. 具有复合试验向量生成策略和控制参数的差分进化. IEEE进化计算汇刊, 15(1), 第55–66页.