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

Solve global optimization problems.

ویژگی	مقدار
سیستم عامل	-
نام فایل	enhanced-political-optimizer-1.0.0
نام	enhanced-political-optimizer
نسخه کتابخانه	1.0.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Danial Saleem
ایمیل نویسنده	danialsaleem2010@gmail.com
آدرس صفحه اصلی	https://github.com/realpython/enhanced-political-optimizer
آدرس اینترنتی	https://pypi.org/project/enhanced-political-optimizer/
مجوز	MIT

## How to use the package. To use the package you need to provide four things to the PO methods - Optimization function, which the is function that you are trying to optimize. Our method can cater to constraints as well by using static penalty. An example is given below. - Number of dimensions of the problem - Lower boundary - Upper boundary **Note** The boundaries can be scalars or arrays. The example below uses arrays because the boundaries are different for different variables, if they are same, use scalar values. ``` import numpy as np import matplotlib.pyplot as plt ## optimization function. def TCSD(x: np.ndarray): x1 = x[0] x2 = x[1] x3 = x[2] z = (x3 + 2) * x2 * (x1 * x1) c = [ 1 - ((x2 * x2 * x2 * x3)) / (71785 * x1 * x1 * x1 * x1), ((4 * x2 * x2 - (x1 * x2)) / (12566 * (x2 * x1 * x1 * x1 - (x1 ** 4)))) + (1 / (5108 * x1 * x1)) - 1, 1 - ((140.45 * x1) / (x2 * x2 * x3)), ((x1 + x2) / 1.5) - 1, ] cmaxes = [x if x > 0 else 0 for x in c] c_np_array = np.array(cmaxes) c_np_array = np.power(c_np_array, 2) c_np_array = (10 ** 10) * c_np_array sumofarray = np.sum(c_np_array) return z + sumofarray scores = [0 for x in range(RUNS)] for i in range(RUNS): # matlab's rng("shuffle") seeds with the system's default time, python's random.seed has that as default val np.random.seed(1) # implement political optimizer. objectiveFunction = TCSD dim = 3 # dimentions lb = [0.05, 0.25, 2.00] # upper boundary ub = [2.00, 1.30, 15.00] # lower boundary (leaderScore, leaderPosition, convergenceCurve) = PO(lb, ub, dim, objectiveFunction) print(leaderScore) print(leaderPosition) ```

نیازمندی

مقدار	نام
-	numpy
-	keras

نحوه نصب

نصب پکیج whl enhanced-political-optimizer-1.0.0:

pip install enhanced-political-optimizer-1.0.0.whl

نصب پکیج tar.gz enhanced-political-optimizer-1.0.0:

pip install enhanced-political-optimizer-1.0.0.tar.gz