Optimisation Algorithms 다운로드 - Optimisation Algorithms 소스 코드 다운로드

Optimisation Algorithms

기타 소스코드

Version 1.1.2-beta

다운로드

최적화-알코리즘

데이터 과학 및 기계 학습을위한 가장 일반적으로 사용되는 최적화 알고리즘 모음

이 저장소는 https://github.com/muradmustafayev-03에 의해 만들어지고 속합니다

기고 가이드 : https://github.com/muradmustafayev-03/optimisation-algorithms/blob/main/contributing.md

모든 문제를보고하려면 https://github.com/muradmustafayev-03/optimisation-algorithms/issues

라이브러리 사용으로 패키지를 설치하려면 :

PIP 최적화-알코리즘을 설치합니다

그런 다음 가져 오기 위해 :

import Optimisation_Algorithms

이 프로젝트에서는 가능한 많은 유용한 최적화 알고리즘을 수집하고 간단하고 재사용 가능한 방식으로 작성하려고합니다. 이 아이디어는 이러한 모든 알고리즘을 Python에 기본적이지만 사용하기 쉬운 방식으로 작성하는 것입니다. Numpy 는 유일한 외부 라이브러리입니다. 이 프로젝트는 현재 개발 초기 단계에 있지만 이미 자체 프로젝트에서이를 시도하고 구현할 수 있습니다. 그리고 확실히, 당신은 항상 기여하거나 제안을 할 수 있습니다. 모든 피드백에 감사드립니다.

최적화 알고리즘이란 무엇입니까?

자세한 내용은 https://en.wikipedia.org/wiki/mathematical_optimization입니다

최적화 알고리즘은 알고리즘으로, 전역 최대 의 전역 최대 값의 입력 값을 찾는 데 사용되는 알고리즘입니다.

이 프로젝트에서 모든 알고리즘은 주어진 기능의 전역 최소값을 찾습니다. 그러나 함수의 글로벌 최대 값을 찾으려면 기능의 부정을 전달할 수 있습니다. -f (x) 는 f (x) 대신 Mimima가 기능의 최대 값이 될 수 있습니다.

최적화 알고리즘은 기계 학습 , 수학 및 기타 다양한 과학에 널리 사용됩니다.

여러 종류의 최적화 알고리즘이 있으므로 프로젝트에 사용 된 간단한 설명이 있습니다.

반복 알고리즘

TESE 알고리즘은 임의 또는 지정된 지점에서 시작하여 단계별로 이동하면 가장 가까운 최소값이 있습니다. 그들은 종종 부분 도함수 또는 함수의 구배가 필요하며, 이는 기능이 차별적이어야합니다. 이 알고리즘은 간단하고 그릇 같은 기능에 적합합니다. 최소 기능이 하나 이상인 경우 전 세계 최소를 찾는 로컬 최소값 에서 재고가있을 수 있습니다.

이 프로젝트에 사용 된 반복 알고리즘 의 예는 다음과 같습니다.

그라디언트 하강
- 배치 그라디언트 하강
- 근사 배치 구배 하강

Metaheuristic 알고리즘

이 알고리즘은 임의의 랜덤 솔루션 세트로 시작한 다음 세트에서 최상의 솔루션을 경쟁적으로 선택하고이를 기반으로 새로운 솔루션 세트를 생성하여 각 반복을 발전시킵니다. 이 알고리즘은 로컬 최소값 으로 재고가 없지만 글로벌 제품을 직접 찾으므로 많은 지역 최소 기능에 사용할 수 있습니다.