Генетические алгоритмы и оптимизация нескольких целей на PYTHON: библиотеки/инструменты для использования?

Я просматриваю интернет для библиотек, доступных для использования GA с потенциальной разработкой для многоцелевых алгоритмов, таких как NSGAII для Python. Есть ли у вас какие-либо предложения?

Вот что я до сих пор:

  • Pyevolve: хорошо документировано, но не включает в себя многоцелевое значение
  • Pygene: кажется, не включает многоцелевую
  • deap: Кажется хорошо документированным, включает в себя несколько объективных
  • inspyred: кажется одобренным, включает в себя несколько объективных

Вопрос не обязательно в том, какой из них лучше, но больше об особенностях этих библиотек и о возможности легко переключаться с одной-на многоцелевой оптимизации.

Спасибо

Ответы

Ответ 1

Раскрытие информации: Я являюсь одним из разработчиков DEAP.

DEAP - наиболее активно разработанный проект среди упомянутых. У этого есть активный список рассылки, который является интересной особенностью, если вам нужна помощь в какой-то момент. Создание класса, которое является уникальным для DEAP, позволяет легко переключиться с одного на несколько целей. Он поставляется с несколькими примерами, включая примеры многоцелевых генетических алгоритмов.

Он также совместим как с Python 2, так и с 3, в то время как некоторые другие фреймворки поддерживают только Python 2. Наконец, хотя он написан на чистом Python, мы всегда будем иметь представления, так что это довольно быстро. Сроки различных примеров доступны в http://deap.gel.ulaval.ca/speed/.