معرفی شرکت ها

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

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

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

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

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

توضیحات

An evolutionary computation algorithm named CPIE in Python.

ویژگی	مقدار
سیستم عامل	-
نام فایل	cpie-1.0.0
نام	cpie
نسخه کتابخانه	1.0.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Jun Toda
ایمیل نویسنده	lomf@hotmail.co.jp
آدرس صفحه اصلی	https://github.com/tdj-lomf/cpie
آدرس اینترنتی	https://pypi.org/project/cpie/
مجوز	-

# cpie Clustering-based Promising Individual Enclosre(CPIE) in Python. CPIE is an evolutionary computation algorithm which aims to search best parameters minimizing black-box function, especially UV-function. UV-function has U-valley, which occupies large search space but contains only local optima, and V-valley, which occupies small search space but contains global optima. e.g. Double-sphere: f(x) = min((x-2)^2 + 0.1, 10*(x+2)^2) # Installation ``` $ pip install cpie ``` CPIE depends on numpy, so please install numpy if needed. # Example of usage First, you can import CPIE module as below. ```python from cpie import CPie ``` Then, you need to prepare objective function to be minimized. ```python def sphere(x): return sum(xi*xi for xi in x) def objective_func(x): return min(sphere(x-2)+0.1, 10*sphere(x+2)) ``` You can minimize objective function like below. ```python dimension = 2 bounds_min = [-10.0] * dimension bounds_max = [ 10.0] * dimension cpie = CPie(bounds_min, bounds_max, Ns=7*dimension) for i in range(2000): solution = cpie.sample() f_value = objective_func(solution) cpie.update(f_value) cpie.print() ``` "bounds_min" and "bounds_max" means search space. CPIE starts optimization with Ns solutions sampled unimormally in the search space. After optimization loop, you can get optimized solution. ```python print("global best x", cpie.best.x) print("global best f", cpie.best.f) ``` CPIE is niching algorithm, so you can also get best solutions from each mode. ```python bests = cpie.get_bests() for i, b in enumerate(bests): print("mode", i, " f", b.f) ``` example_main.py shows full example code.

نیازمندی

مقدار	نام
-	numpy

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl cpie-1.0.0:

pip install cpie-1.0.0.whl

نصب پکیج tar.gz cpie-1.0.0:

pip install cpie-1.0.0.tar.gz