Optimisation Algorithms
Version 1.1.2-beta
مجموعة من خوارزميات التحسين الأكثر استخدامًا لعلوم البيانات والتعلم الآلي
يتم إنشاء هذا المستودع وينتمي إلى: https://github.com/muradmustafayev-03
دليل المساهمة: https://github.com/muradmustafayev-03/optimisation-algorithms/blob/main/contributing.md
للإبلاغ عن أي قضايا: https://github.com/muradmustafayev-03/optimisation-algorithms/issues
لتثبيت الحزمة كاستخدام مكتبة:
PIP تثبيت التحسين-الجوريتميات
ثم للاستيراد:
استيراد Optimisation_algorithms
في هذا المشروع ، أحاول جمع أكبر عدد ممكن من خوارزميات التحسين المفيدة ، وأكتبها بطريقة بسيطة وقابلة لإعادة الاستخدام. الفكرة هي كتابة كل هذه الخوارزميات في بيثون ، بطريقة أساسية ، ولكنها سهلة الاستخدام ، مع كون نومبي هي المكتبة الخارجية الوحيدة المستخدمة. يقع المشروع حاليًا على المراحل المبكرة من التطوير ، ولكن يمكن للمرء أن يحاول بالفعل تنفيذه في مشاريعه الخاصة. وبالتأكيد ، نرحب دائمًا بالمساهمة أو لتقديم أي اقتراحات. أي ردود فعل موضع تقدير.
لمزيد من المعلومات: https://en.wikipedia.org/wiki/Mathematical_Optimization
خوارزمية التحسين هي خوارزمية ، يتم استخدامها للعثور على قيم الإدخال للحد الأدنى العالمي ، أو في كثير من الأحيان ، للحد الأقصى العالمي للوظيفة.
في هذا المشروع ، تبحث جميع الخوارزميات عن الحد الأدنى العالمي للوظيفة المحددة. ومع ذلك ، إذا كنت ترغب في العثور على الحد الأقصى العالمي لوظيفة ما ، فيمكنك تمرير نفي وظيفتك: -f (x) ، بدلاً من f (x) ، أن يكون mimima هو الحد الأقصى لوظيفتك.
تستخدم خوارزميات التحسين على نطاق واسع في التعلم الآلي والرياضيات ومجموعة من العلوم التطبيقية الأخرى.
هناك أنواع متعددة من خوارزميات التحسين ، لذلك هنا وصف قصير للألواح ، المستخدمة في المشروع:
تبدأ خوارزميات Tese من نقطة عشوائية أو محددة ، وتنقل خطوة بخطوة إلى أقرب الحد الأدنى. غالبًا ما تتطلب مشتقًا جزئيًا أو تدرج الوظيفة ، مما يتطلب أن تكون الوظيفة قابلة للتمييز. هذه الخوارزميات بسيطة وتجاوز وظائف تشبه السلطانية ، إذا كان هناك MOR من واحد الحد الأدنى في الوظيفة ، يمكن أن تخزن في الحد الأدنى المحلي ، من تأسيسها في العثور على العالم .
تبدأ هذه الخوارزميات بمجموعة من الحلول العشوائية ، ثم اختارت بشكل تنافسي أفضل الحلول من المجموعة واستنادًا إليها ، وتولد مجموعة جديدة من الحلول الأفضل ، وبالتالي تطور كل تكرار. لا تخزن هذه الخوارزميات في الحد الأدنى المحلي ، ولكنها تجد مباشرة الخوارزميات العالمية ، بحيث يمكن استخدامها في وظائف العديد من الأحجار المحلية .
يتم استخدام الوظائف القياسية لاختبار خوارزميات التحسين ، ولكن يمكن استخدامها بنفسها. هناك العديد من الوظائف القياسية المستخدمة في هذا المشروع ، وهي مقسمة إلى عدة أنواع حسب شكلها.
لمزيد من المعلومات والتعريف الرياضي للوظائف ، انظر: https://www.sfu.ca/~ssurjano/optimization.html
