前言scikit-opt是将7种启发式算法一一封装的Python码库(差分进化算法、遗传算法、粒子群算法、模拟退火算法、蚁群算法) 源代码具有很大的学习价值。 该文主要根据差分进化(DE )算法原理解读源代码。
DE算法与源代码解读
设置函数，则有三个未知解
defobj_func(p ) : x1，x2，x3=p return x1 ** 2 x2 ** 2 x3 ** 2初始解形状
self.x=none#shape=(size_pop，n_dim )初始解)种群) DE继承系GeneticAlgorithmBase ) lb，ub为x的上下限，新解为均匀分布在约束条件上下界的向量
classde(geneticalgorithmbase ) :def_init_(self，func，n_dim，F=0.5，size_pop=50，max _ ITER constriter constrid constraint _ ueq=constraint _ ueq (self.f=f self.v、self.U=None、None self.lb、self.ub=NP.Array ) lb )
变异，产生新解向量v，v超过解的边界时，保留原来的初始解。 这里可以采用和改善最典型的变异方法。
defmutation(self ) :''v ) I )=x[r1]f ) x[r2]-x[R3]、where i、R1、R2、R3 arerandomlygenerated ' # and # and TD # and R3 shouldnotbeequalrandom _ idx=NP.random.randint (0，self.size_pop，size=) self.size R3=random _ idx [ :2 ] #其中f是固定的，并且能够转换成适应值self.v=3360 (-x [ R3，R3 ]，] ) thelowerupperboundstillworksinmutationmask=NP.random.uniform (low=self.lb，high=Sigh self.n_dim )
交叉操作是使初始解x和变异解v概率性交叉，生成解向量u。 在此，self.prob_mut是CR
defcrossover(self ) : ''' if rand prob_crossover，use V，elseusex''mask=NP.Random.rand ) self.size_Pize
选择操作，然后根据函数值的大小选择是否保留u
defselection(self ) : ' ' greedy selection ' ' x=self.x.copy ) ) f_X=self.x2y ).copy ) self.x=
迭代，继续变异，选择
def run (自、 max _ ITER=none (: self.max _ ITER=max _ iterorself.max _ iterforiinrange (self.max _ ITER ) 3360 self.max _ max lf.generation_best_x.append ) self.x [ generation _ x.append ] 3360 ).copy ((self.generation _ best _ y ) global _ best _ index=NP.array (self.generation _ best _ y ).argmin ) self.best _ x=self.generation _ beration