协同合作进化算法 (COEA)

class pypop7.optimizers.cc.coea.COEA(problem, options)

协同合作进化算法 (COEA)。

注意

这是 COEA 的一个*稍作修改*的版本，其中更常见的实值表示法用于连续优化，而非原始论文中使用的二进制编码。对于子优化器，由于其简单性，我们使用了 GENITOR。

参数:

• problem (dict) –

  问题参数，包含以下通用设置 (键)

  • 'fitness_function' - 需要被最小化的目标函数 (func),

  • 'ndim_problem' - 维度数量 (int),

  • 'upper_boundary' - 搜索范围的上边界 (array_like),

  • 'lower_boundary' - 搜索范围的下边界 (array_like).

• options (dict) –

  优化器选项，包含以下通用设置 (键)

  • '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' - 随机数生成器的种子，需要明确设置 (int);

  以及以下特定设置 (key)

  • “n_individuals” - 个体/样本的数量，也称为种群大小（int，默认值：100）。

示例

使用黑盒优化器 COEA 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.cc.coea import COEA
>>> problem = {'fitness_function': rosenbrock,  # to define problem arguments
...            'ndim_problem': 2,
...            'lower_boundary': -5.0*numpy.ones((2,)),
...            'upper_boundary': 5.0*numpy.ones((2,))}
>>> options = {'max_function_evaluations': 5000,  # to set optimizer options
...            'seed_rng': 2022,
...            'x': 3.0*numpy.ones((2,))}
>>> coea = COEA(problem, options)  # to initialize the optimizer class
>>> results = coea.optimize()  # to run the optimization process
>>> print(f"COEA: {results['n_function_evaluations']}, {results['best_so_far_y']}")
COEA: 5000, 0.4308

关于其编码的正确性检查，请参阅这份基于代码的可重复性报告以获取更多详细信息。

n_individuals

个体/样本的数量，也称为种群大小。

类型:

int

参考文献

Potter, M.A. and De Jong, K.A., 2000. Cooperative coevolution: An architecture for evolving coadapted subcomponents. Evolutionary Computation, 8(1), pp.1-29. https://direct.mit.edu/evco/article/8/1/1/859/Cooperative-Coevolution-An-Architecture-for

Potter, M.A. and De Jong, K.A., 1994, October. A cooperative coevolutionary approach to function optimization. In International Conference on Parallel Problem Solving from Nature (pp. 249-257). Springer, Berlin, Heidelberg. https://link.springer.com/chapter/10.1007/3-540-58484-6_269