opytimizer

Opytimizer：受自然启发的 Python 优化器

欢迎来到优化器。

您的计算实验是否遇到过瓶颈？您是否厌倦了为所选技术选择合适的参数？如果是的话，Opytimizer 就是货真价实的产品！该包提供了元启发式优化的简单实现。从代理到搜索空间，从内部功能到外部通信，我们将促进所有与优化相关的研究。

如果您需要库或希望执行以下操作，请使用 Opytimizer：

• 创建您的优化算法；
• 设计或使用预加载的优化任务；
• 混合搭配不同的策略来解决您的问题；
• 因为优化事物很有趣。

请阅读 opytimizer.readthedocs.io 上的文档。

Opytimizer 兼容： Python 3.6+ 。

---

包装指南

1. 您需要的第一个信息位于下一节。
2. 如果您想阅读代码并遇到麻烦，安装也很容易，请继续进行。
3. 请注意，为了使用我们的解决方案，可能需要执行一些额外的步骤。
4. 如果有问题，请不要犹豫，致电我们。
5. 最后，我们关注最小化。在设计问题时请记住这一点。

---

引文

如果您使用 Opytimizer 来满足您的任何需求，请引用我们：

 @misc { rosa2019opytimizer ,
    title = { Opytimizer: A Nature-Inspired Python Optimizer } ,
    author = { Gustavo H. de Rosa, Douglas Rodrigues and João P. Papa } ,
    year = { 2019 } ,
    eprint = { 1912.13002 } ,
    archivePrefix = { arXiv } ,
    primaryClass = { cs.NE }
}

---

入门：60 秒使用 Opytimizer

首先。我们有例子。是的，他们被评论了。只需浏览到examples/ ，选择您的子包，然后按照示例进行操作。我们为我们能想到的大多数任务提供了高级示例，并提供了令人惊叹的集成（Learnergy、NALP、OPFython、PyTorch、Scikit-Learn、Tensorflow）。

或者，如果您想了解更多信息，请花一点时间：

Opytimizer基于以下结构，您应该注意它的树：

- opytimizer
    - core
        - agent
        - block
        - cell
        - function
        - node
        - optimizer
        - space
    - functions
        - constrained
        - multi_objective
    - math
        - distribution
        - general
        - hyper
        - random
    - optimizers
        - boolean
        - evolutionary
        - misc
        - population
        - science
        - social
        - swarm
    - spaces
        - boolean
        - graph
        - grid
        - hyper_complex
        - pareto
        - search
        - tree
    - utils
        - callback
        - constant
        - exception
        - history
        - logging
    - visualization
        - convergence
        - surface

核

核心就是核心。从本质上讲，它是一切事物的父母。您应该找到定义我们结构基础的父类。他们应该提供有助于构建其他模块的变量和方法。

功能

与其使用原始且简单的函数，为什么不尝试这个模块呢？编写高级抽象函数甚至基于函数的新想法来解决您的问题。请注意，目前我们仅支持多目标函数策略。

数学

仅仅因为我们正在计算东西并不意味着我们不需要数学。 Math 是包含低级数学实现的数学包。从随机数到分布生成，您都可以在这个模块上找到您的需求。

优化器

这就是我们被称为 Opytimizer 的原因。这是启发式的核心，在这里你可以找到大量的元启发式、优化技术，以及任何可以称为优化器的东西。请查看可用的优化器。

空间

人们可以将空间视为智能体更新其位置并评估适应度函数的地方。然而，最新的方法可能会考虑不同类型的空间。考虑到这一点，我们很高兴支持多样化的空间实施。

实用程序

这是一个实用程序包。跨应用程序共享的通用内容应该在这里实现。实现一次并随心所欲地使用比重复地重新实现相同的东西要好。

可视化

每个人都需要图像和情节来帮助可视化正在发生的事情，对吗？这个包将为您提供所有与视觉相关的方法。检查特定变量收敛性、适应度函数收敛性、绘制基准函数曲面等等！

---

安装

我们相信一切都必须很容易。不棘手或令人畏惧，Opytimizer 将是您从第一次安装到执行日常任务所需的一站式软件包。如果您可以在您最喜欢的 Python 环境（raw、conda、virtualenv 等）下运行以下命令：

pip install opytimizer

或者，如果您更喜欢安装前沿版本，请克隆此存储库并使用：

pip install -e . 

---

环境配置

请注意，有时需要额外的实施。如果需要，您将是从这里了解其所有详细信息的人。

乌班图

不需要特定的附加命令。

视窗

不需要特定的附加命令。

苹果系统

不需要特定的附加命令。

---

使用方法：最小示例

看一下 Opytimizer 的快速工作示例。请注意，我们没有向过程传递许多额外的参数或附加信息。对于更复杂的示例，请查看我们的examples/文件夹。

 import numpy as np

from opytimizer import Opytimizer
from opytimizer . core import Function
from opytimizer . optimizers . swarm import PSO
from opytimizer . spaces import SearchSpace

def sphere ( x ):
  return np . sum ( x ** 2 )

n_agents = 20
n_variables = 2
lower_bound = [ - 10 , - 10 ]
upper_bound = [ 10 , 10 ]

space = SearchSpace ( n_agents , n_variables , lower_bound , upper_bound )
optimizer = PSO ()
function = Function ( sphere )

opt = Opytimizer ( space , optimizer , function )
opt . start ( n_iterations = 1000 )

---

支持

我们知道我们已尽力而为，但不可避免地要承认我们会犯错误。如果您需要报告错误、报告问题、与我们联系，请这样做！我们将在这个存储库中尽最大努力。

---