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

A generic evolutionary algorithm for function optimisation.

ویژگی	مقدار
سیستم عامل	-
نام فایل	evolutionary-optimization-algorithm-3.0.5
نام	evolutionary-optimization-algorithm
نسخه کتابخانه	3.0.5
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Marta Wolinska
ایمیل نویسنده	mswolinska@gmail.com
آدرس صفحه اصلی	https://github.com/mwolinska/Evolutionary-Optimization
آدرس اینترنتی	https://pypi.org/project/evolutionary-optimization-algorithm/
مجوز	-

# Evolutionary-Optimization A generic evolutionary algorithm for function optimization. ## Introduction This package allows the user to optimise a function using an evolutionary algorithm. An [evolutionary algorithm](https://en.wikipedia.org/wiki/Evolutionary_algorithm) uses the principles of evolution to find optimal solutions. ## Using the Package ### Getting Started To get started with this package install this package: ```bash pip install evolutionary-optimization-algorithm ``` ### Running Experiments To run the code type the following in your terminal. The default experiment is a simple optimization of the $x^{2}$ using integers. ```bash run_evolution ``` The parameters used for the run can be edited within the main.py file. ### Personalising Experiments To personalise your experiment you can either use the prebuilt phenotypes and genotypes using our interface, or you can build your own. To do so, you simply need to create a new phenotype / genotype class that inherits from the corresponding abstract class and implement the methods to suit your needs. You can mimic the structure of the main script to run your own experiments, like so: ```python genotype_class = Genotype.get_genotype(Genotypes.<your_phenotype>) phenotype_class = Phenotype.get_phenotype(Phenotypes.<your_genotype>) fitness_function_class = FitnessFunction.get_fitness_function(FitnessFunctions.<your_fitness_function>) fitness_function_instance = fitness_function_class() evolutionary_algorithm = Evolution( phenotype=phenotype_class(genotype_class()), number_of_individuals=<desired_number_of_individuals>, number_of_generations=<desired_number_of_generations>, fitness_function=fitness_function_instance, ratio_of_elite_individuals=<desired_elitism_ratio> ) ``` You can also plot your fitness over time and the phenotype over time: ```python evolutionary_algorithm.plot_fitness_score_over_time() phenotype_function_points_tuple = generate_points_for_function( phenotype=evolutionary_algorithm.population.best_individual, bottom_plotting_limit=-10, upper_plotting_limit=10, number_of_points=100, ) evolutionary_algorithm.plot_phenotype_function_and_best_individuals(phenotype_function_points_tuple) ``` or plot a gif of the algorithm over time: ```python evolutionary_algorithm.create_gif(phenotype_function_points_tuple) ```

نیازمندی

مقدار	نام
>=1.23.0,<2.0.0	numpy
>=3.5.2,<4.0.0	matplotlib
>=4.64.0,<5.0.0	tqdm

زبان مورد نیاز

مقدار	نام
>=3.8,<4.0	Python

نحوه نصب

نصب پکیج whl evolutionary-optimization-algorithm-3.0.5:

pip install evolutionary-optimization-algorithm-3.0.5.whl

نصب پکیج tar.gz evolutionary-optimization-algorithm-3.0.5:

pip install evolutionary-optimization-algorithm-3.0.5.tar.gz