Opytimizer：Python中自然启发式的计算

您是否曾经在计算实验中遇到瓶颈？您是否厌倦了为所选技术选择合适的参数？如果是的话，Opytimizer是真正的交易！该软件包提供了易于使用的元启发式优化实现。从代理到搜索空间，从内部功能到外部沟通，我们将促进与优化人员有关的所有研究。

如果您想阅读代码并使自己陷入困境，那么安装也很容易。

@misc {rosa2019opytimizer，标题= {Opytimizer：一种受自然启发的Python优化程序}，作者= {Gustavo H. de Rosa和JoãoP. Papa}，年份= {2019}，eprint = {1912.13002}，archivePrefix = {arXiv} ，primaryClass = {cs.NE}}

首先。我们有例子。是的，他们被评论了。只需浏览至examples /，选择子包，然后按照示例进行操作。我们为可以想到的大多数任务提供了高级示例，并实现了惊人的集成（Learnergy，NALP，OPFython，PyTorch，Scikit-Learn，Tensorflow）。

Opytimizer基于以下结构，您应注意其树：

-优化程序-核心-代理-函数-节点-优化器-空间-函数-加权-数学-分布-常规-超复杂-随机-优化器-布尔-bmrfo-bpso-umda-进化-bsoa-cro-de-ep-es -foa-ga-gp-hs-iwo-rra-misc-cem-doa-gs-hc-人口-aeo-coa-epo-gco-gwo-hho-loa-ppa-科学-aso-bh-efo-eo -gsa-hgso-moa-mvo-sa-两个-wca-wdo-wwo-社交-bso-ci-qsa-ssd-swarm-abc-abo-ba-bfo-boa-bwo-cs-csa-eho-fa -ffoa-fpa-goa-kh-mfo-mrfo-pio-pso-sbo-sca-sfo-sos-ssa-sso-woa-空间-布尔值-网格-超级-搜索-树-utils-常量-装饰器-异常-历史-记录-可视化-收敛-表面

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

为什么不尝试使用此模块，而不是使用原始的直接函数？为了解决您的问题，请编写高级抽象功能甚至新的基于功能的想法。请注意，目前，我们仅支持多目标函数策略。

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

这就是为什么我们被称为Opytimizer。这是启发式方法的核心，在这里您可以找到大量的元启发式方法，优化技术以及任何可以称为优化器的东西。研究任何模块以获取更多信息。

人们可以将空间视为代理商更新其位置并评估适应度功能的地方。但是，最新方法可能会考虑不同类型的空间。考虑到这一点，我们很高兴为各种空间实施提供支持。

这是一个实用程序包。跨应用程序共享的常见事物应在此处实现。与一次又一次地重新实现同一件事相比，一次实现并按需要使用更好。

每个人都需要图像和图表来帮助可视化正在发生的事情，对吗？该软件包将为您提供所有与视觉相关的方法。检查特定的变量收敛，适合度函数收敛，绘制基准函数曲面等等！

我们认为一切都必须容易。从第一次安装到实现日常任务，Opytimizer都不是棘手或令人生畏的，它是您将需要的单包式软件包。如果您可能只是在最喜欢的Python环境（原始，conda，virtualenv等）下运行以下命令：

另外，如果您想安装最新版本，请克隆此存储库并使用：

请注意，有时需要进行其他实施。如果需要，您将从这里开始了解其所有详细信息。

我们知道我们会尽力而为，但是不可避免地要承认我们犯了错误。如果您需要报告错误，报告问题，与我们联系，请这样做！我们将尽最大努力在此存储库或[email protected]中为您提供帮助。