Python优化算法06——人工鱼群算法

 参考文档链接：scikit-opt

本章继续Python的优化算法系列。

优化算法，尤其是启发式的仿生智能算法在最近很火，它适用于解决管理学，运筹学，统计学里面的一些优化问题。比如线性规划，整数规划，动态规划，非线性约束规划，甚至是超参数搜索等等方向的问题。

但是一般的优化算法还是matlab里面用的多，Python相关代码较少。博主在参考了很多文章的代码和模块之后，决定学习 scikit-opt   这个模块。这个优化算法模块对新手很友好，代码简洁，上手简单。而且代码和官方文档是中国人写的，还有很多案例，学起来就没什么压力...

缺点是包装的算法种类目前还不算多，只有七种：（差分进化算法、遗传算法、粒子群算法、模拟退火算法、蚁群算法、鱼群算法、免疫优化算法）      /（其实已经够用了）

本次带来的是 蚁群算法和免疫优化算法的使用演示。数学原理就不多说了。由于这个包里面好像目前只有解决商旅问题的版本。使用本次使用这两个算法解决商旅问题。

首先安装模块，在cmd里面或者anaconda prompt里面输入：

pip install scikit-opt

这个包很小，很快就能装好。

人工鱼群算法解决函数优化问题

定义要优化的目标函数

def func(x):
    x1, x2 = x
    return 1 / x1 ** 2 + x1 ** 2 + 1 / x2 ** 2 + x2 ** 2

调用AFSA求解

from sko.AFSA import AFSA

afsa = AFSA(func, n_dim=2, size_pop=50, max_iter=300,
            max_try_num=100, step=0.5, visual=0.3,
            q=0.98, delta=0.5)
best_x, best_y = afsa.run()
print(best_x, best_y)

 参数说明

输入参数

输出参数