opytimizer

Opytimizer：受大自然啟發的 Python 優化器

歡迎來到優化器。

您的計算實驗是否遇過瓶頸？您是否厭倦了為所選技術選擇合適的參數？如果是的話，Opytimizer 就是貨真價實的產品！該套件提供了元啟發式優化的簡單實作。從代理到搜尋空間，從內部功能到外部通信，我們將促進所有與最佳化相關的研究。

如果您需要程式庫或希望執行下列操作，請使用 Opytimizer：

• 創建您的最佳化演算法；
• 設計或使用預先載入的最佳化任務；
• 混合搭配不同的策略來解決您的問題；
• 因為優化事物很有趣。

請閱讀 opytimizer.readthedocs.io 上的文件。

Opytimizer 相容： Python 3.6+ 。

---

包裝指南

1. 您需要的第一個資訊位於下一節。
2. 如果您想閱讀程式碼並遇到麻煩，安裝也很容易，請繼續進行。
3. 請注意，為了使用我們的解決方案，可能需要執行一些額外的步驟。
4. 如果有問題，請不要猶豫，致電我們。
5. 最後，我們關注最小化。在設計問題時請記住這一點。

---

引文

如果您使用 Opytimizer 來滿足您的任何需求，請引用我們：

 @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 }
}

---

入門：60 秒使用 Opytimizer

首先。我們有例子。是的，他們被評論了。只需瀏覽到examples/ ，選擇您的子包，然後按照範例進行操作。我們為我們能想到的大多數任務提供了高級範例，並提供了令人驚嘆的整合（Learnergy、NALP、OPFython、PyTorch、Scikit-Learn、Tensorflow）。

或者，如果您想了解更多信息，請花一點時間：

Opytimizer基於以下結構，您應該注意它的樹：

- 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。從本質上講，它是一切事物的父母。您應該找到定義我們結構基礎的父類別。他們應該提供有助於建立其他模組的變數和方法。

功能

與其使用原始且簡單的函數，為什麼不嘗試這個模組呢？編寫高級抽象函數甚至基於函數的新想法來解決您的問題。請注意，目前我們僅支援多目標函數策略。

數學

僅僅因為我們正在計算東西並不意味著我們不需要數學。 Math 是包含低階數學實作的數學包。從隨機數到分佈生成，您都可以在這個模組上找到您的需求。

最佳化器

這就是我們被稱為 Opytimizer 的原因。這是啟發式的核心，在這裡你可以找到大量的元啟發式、最佳化技術，以及任何可以稱為最佳化器的東西。請查看可用的優化器。

空間

人們可以將空間視為智能體更新其位置並評估適應度函數的地方。然而，最新的方法可能會考慮不同類型的空間。考慮到這一點，我們很高興支持多樣化的空間實施。

實用程式

這是一個實用程式包。跨應用程式共享的通用內容應該在這裡實現。實現一次並隨心所欲地使用比重複地重新實現相同的東西要好。

視覺化

每個人都需要圖像和情節來幫助視覺化正在發生的事情，對嗎？這個包將為您提供所有與視覺相關的方法。檢查特定變數收斂性、適應度函數收斂性、繪製基準函數曲面等等！

---

安裝

我們相信一切都必須很容易。不棘手或令人畏懼，Opytimizer 將是您從第一次安裝到執行日常任務所需的一站式軟體包。如果您可以在您最喜歡的 Python 環境（raw、conda、virtualenv 等）下執行以下命令：

pip install opytimizer

或者，如果您喜歡安裝前沿版本，請克隆此存儲庫並使用：

pip install -e . 

---

環境配置

請注意，有時需要額外的實施。如果需要，您將是從這裡了解其所有詳細資訊的人。

烏班圖

不需要特定的附加命令。

視窗

不需要特定的附加命令。

蘋果系統

不需要特定的附加命令。

---

使用方法：最小範例

來看看 Opytimizer 的快速工作範例。請注意，我們沒有向過程傳遞許多額外的參數或附加資訊。對於更複雜的範例，請查看我們的examples/資料夾。

 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 )

---

支援

我們知道我們已盡力而為，但不可避免地要承認我們會犯錯。如果您需要報告錯誤、報告問題、與我們聯繫，請這樣做！我們將在這個存儲庫中盡最大努力。

---