复合差分进化 (CODE)

class pypop7.optimizers.de.code.CODE(problem, options)[源代码]

复合差分进化 (COmposite Differential Evolution, CODE)。

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” - 种群大小（int，默认值：100）。

示例

使用优化器最小化著名的测试函数 Rosenbrock

 1>>> import numpy
 2>>> from pypop7.benchmarks.base_functions import rosenbrock  # function to be minimized
 3>>> from pypop7.optimizers.de.code import CODE
 4>>> problem = {'fitness_function': rosenbrock,  # define problem arguments
 5...            'ndim_problem': 2,
 6...            'lower_boundary': -5*numpy.ones((2,)),
 7...            'upper_boundary': 5*numpy.ones((2,))}
 8>>> options = {'max_function_evaluations': 5000,  # set optimizer options
 9...            'seed_rng': 0}
10>>> code = CODE(problem, options)  # initialize the optimizer class
11>>> results = code.optimize()  # run the optimization process
12>>> # return the number of function evaluations and best-so-far fitness
13>>> print(f"CODE: {results['n_function_evaluations']}, {results['best_so_far_y']}")
14CODE: 5000, 0.01052980838183792
n_individuals

子代数量，也称为子代种群大小。

类型:

int

参考文献

Wang, Y., Cai, Z., and Zhang, Q. 2011. 采用复合试验向量生成策略和控制参数的差分进化算法。 IEEE Transactions on Evolutionary Computation, 15(1), pp.55–66.