全局和局部遗传算法 (GL25)

class pypop7.optimizers.ga.gl25.GL25(problem, options)

全局和局部遗传算法（GL25）。

注意

25 意味着函数评估（或运行时间）的25%首先用于全局搜索，而剩余的75%则用于局部搜索。

Parameters:

• 问题 (字典) –

  问题参数包含以下常见设置 (键):

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

  • ’ndim_problem’ - 维度数 (整数),

  • ’upper_boundary’ - 搜索范围的上限 (类数组),

  • ’lower_boundary’ - 搜索范围的下限 (类数组).

• 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’ - 随机数生成的种子，需要显式设置 (int);

  以及以下特定设置 (keys):

  • ’alpha’ - 交叉的全局步长 (float, 默认: 0.8),

  • ’n_female_global’ - 全局搜索阶段的雌性数量 (int, 默认: 200),

  • ’n_male_global’ - 全局搜索阶段的雄性数量 (int, 默认: 400),

  • ’n_female_local’ - 局部搜索阶段的雌性数量 (int, 默认: 5),

  • ’n_male_local’ - 局部搜索阶段的雄性数量 (int, 默认: 100),

  • ’p_global’ - 全局搜索阶段的百分比 (float, 默认: 0.25),.

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.ga.gl25 import GL25
>>> 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': 2022}
>>> gl25 = GL25(problem, options)  # initialize the optimizer class
>>> results = gl25.optimize()  # run the optimization process
>>> # return the number of function evaluations and best-so-far fitness
>>> print(f"GL25: {results['n_function_evaluations']}, {results['best_so_far_y']}")
GL25: 5000, 1.0505276479694516e-05

关于其编码的正确性检查，请参阅此基于代码的可重复性报告以获取更多详细信息。

alpha

交叉的全局步长。

Type:

float

n_female_global

全球搜索阶段的女性数量。

Type:

int

n_female_local

本地搜索阶段的女性数量。

Type:

int

n_individuals

人口规模。

Type:

int

n_male_global

全球搜索阶段的男性数量。

Type:

int

n_male_local

本地搜索阶段的男性数量。

Type:

int

p_global

全球搜索阶段的百分比。

Type:

float

参考文献

García-Martínez, C., Lozano, M., Herrera, F., Molina, D. 和 Sánchez, A.M., 2008. 基于父代中心交叉算子的全局和局部实数编码遗传算法。 欧洲运筹学杂志, 185(3), pp.1088-1113. https://www.sciencedirect.com/science/article/abs/pii/S0377221706006308