معرفی شرکت ها

aco-0.2.3

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
0.2.3
0.2.2
0.2.1
0.2.0
0.2.3
0.2.2
0.2.1
0.2.0

توضیحات

Ant Colony Optimization in Python
ویژگی مقدار
سیستم عامل -
نام فایل aco-0.2.3
نام aco
نسخه کتابخانه 0.2.3
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Harish
ایمیل نویسنده harishhari3112004@gmail.com
آدرس صفحه اصلی https://github.com/harish3124/aco
آدرس اینترنتی https://pypi.org/project/aco/
مجوز MIT
# Ant Colony Optimization ##### Implementation of the Ant Colony Optimization algorithm in Python > Currently works on 2D Cartesian coordinate system ## Installation #### From PyPi ```shell pip install aco ``` #### Using [Poetry](https://python-poetry.org/) ```shell poetry add aco ``` ## Usage ```python AntColony( nodes, start=None, ant_count=300, alpha=0.5, beta=1.2, pheromone_evaporation_rate=0.40, pheromone_constant=1000.0, iterations=300, ) ``` ### Travelling Salesman Problem ```python import matplotlib.pyplot as plt import random from aco import AntColony plt.style.use("dark_background") COORDS = ( (20, 52), (43, 50), (20, 84), (70, 65), (29, 90), (87, 83), (73, 23), ) def random_coord(): r = random.randint(0, len(COORDS)) return r def plot_nodes(w=12, h=8): for x, y in COORDS: plt.plot(x, y, "g.", markersize=15) plt.axis("off") fig = plt.gcf() fig.set_size_inches([w, h]) def plot_all_edges(): paths = ((a, b) for a in COORDS for b in COORDS) for a, b in paths: plt.plot((a[0], b[0]), (a[1], b[1])) plot_nodes() colony = AntColony(COORDS, ant_count=300, iterations=300) optimal_nodes = colony.get_path() for i in range(len(optimal_nodes) - 1): plt.plot( (optimal_nodes[i][0], optimal_nodes[i + 1][0]), (optimal_nodes[i][1], optimal_nodes[i + 1][1]), ) plt.show() ``` ![screenshot](screenshot.jpg) --- #### Reference - [Wikipedia](https://en.wikipedia.org/wiki/Ant_colony_optimization_algorithms) - [pjmattingly/ant-colony-optimization](https://github.com/pjmattingly/ant-colony-optimization)


زبان مورد نیاز

مقدار نام
>=3.10,<4.0 Python


نحوه نصب


نصب پکیج whl aco-0.2.3:

    pip install aco-0.2.3.whl


نصب پکیج tar.gz aco-0.2.3:

    pip install aco-0.2.3.tar.gz