Opytimizer：Python中的自然启发计算

你的计算实验有没有遇到过瓶颈？您是否厌倦了为所选技术选择合适的参数？如果是，Opytimizer才是真正的交易！该软件包提供了元启发式优化的简单实现。从代理到搜索空间，从内部功能到外部沟通，我们将促进所有与优化人员相关的研究。

安装也很容易，如果您想要阅读代码并遇到问题，请跟着做。

@misc{rosa2019opytimizer，title={opytimizer：一个受自然启发的Python优化器}，作者={Gustavo H.de Rosa and João P.Papa}，年份={2019年}，电子打印={1912.13002}，存档前缀={arxiv}，PrimiyClass={cs.NE}}。

首先，我要说的是。我们有这样的例子。是的，它们是有评论的。只需浏览到Examples/，选择您的子包，然后按照示例操作。对于我们能想到的大多数任务和令人惊叹的集成(Learnergy、NALP、OPFython、PyTorch、Scikit-Learning、TensorFlow)，我们都有高级示例。

Opytimizer基于以下结构，请注意其树形结构：

-opytimizer-core-agent-function-node-Optimizer-space-function-加权数学分布-General-HyperComplex-Random-Optimizer-boolean-bmrfo-bpso-umda-evulative-bsoa-cro-de-ep-es-foa-ga-gp-hs-iwo-rra-misc-CEM-DOA-GS-HC-Population-AEO-CoA-EPO。-gco-gwo-hho-loa-ppa-Science-aso-bh-efo-eo-gsa-hgso-moa-mvo-sa-Two-wca-wdo-wwo-Social-bso-ci-qsa-ssd-sgroup-abc-abo-ba-bfo-boa-bwo-cs-csa-eho-fa-fOA-fpa-goa-kh-mfo。-mrfo-pio-pso-sbo-sca-sfo-sos-ssa-sso-woa-space-boolean-grid-hyper-search-tree-utils-常量-修饰器-异常-历史记录-日志记录-可视化-收敛-表面。

核心就是核心。从本质上说，它是万物之父。您应该找到定义我们结构的基础的父类。它们应该提供有助于构建其他模块的变量和方法。

与其使用原始而简单的函数，为什么不试试这个模块呢？编写高级抽象函数，甚至新的基于函数的想法，以解决您的问题。请注意，目前，我们将仅支持多目标函数策略。

仅仅因为我们在计算东西，并不意味着我们不需要数学。数学是数学包，包含低级数学实现。从随机数到分布生成，您可以在此模块上找到您的需求。

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，任何可以称为优化器的东西。有关详细信息，请调查任何模块。

人们可以将该空间视为代理更新其位置和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，我们很高兴支持不同的空间实现。

这是一个实用程序包。应该在这里实现跨应用程序共享的通用内容。最好实现一次，然后随心所欲地使用，而不是一遍又一遍地重复实现相同的东西。

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？此包将为您提供所有与视觉相关的方法。检查特定变量的收敛性，您的适应度函数的收敛性，绘制基准函数曲面，等等！

我们相信，每件事都必须很容易。Opytimizer并不棘手，也不令人望而生畏，它将是您从第一次安装到执行日常任务所需的一次性软件包。如果您可以在您最喜欢的Python环境(raw、conda、viralenv等)下运行以下内容：

或者，如果您希望安装尖端版本，请克隆此存储库并使用：

请注意，有时需要额外的实现。如果需要，从这里开始，你将是那个知道所有细节的人。

我们知道我们尽了最大努力，但承认我们犯了错误是不可避免的。如果您需要报告错误，报告问题，请与我们联系！我们将尽最大努力通过此存储库或[email protected]提供。