hxdaze / metaheuristics

最適化アルゴリズム(主にメタヒューリスティクス)の実装コード

以下Qiita記事の実装コードとなります。 コードの解説については記事を参照してください。

• 最適化アルゴリズムを実装していくぞ（概要）

実装アルゴリズム

• 遺伝的アルゴリズム(Genetic Algorithm: GA)
• 実数型遺伝的アルゴリズム
  • GA BLX-α
  • GA SPX
• 人口蜂コロニーアルゴリズム(Artificial Bee Colony: ABC)
• 粒子群最適化(Particle Swarm Optimization: PSO)
• ホタルアルゴリズム(Firefly Algorithm)
• コウモリアルゴリズム(Bat Algorithm)
• カッコウ探索(Cucko Search)
• ハーモニーサーチ(Harmony Search)
• くじらさんアルゴリズム(The Whale Optimization Algorithm: WOA)
• 差分進化(Differential Evolution: DE)
• タブーサーチ(Tabu Search)

実装問題

• OneMax問題
• 巡回セールスマン問題(Traveling Salesman Problem: TSP)
• エイト・クイーン(Eight Queens)
• ライフゲーム
• 2048
• 最適化アルゴリズムを評価するベンチマーク関数まとめより
  • Ackley function
  • Griewank function
  • Michalewicz function
  • Rastrigin function
  • Schwefel function
  • Styblinski-Tang function
  • Xin-She Yang function

Getting started

1. pip install

使っているパッケージは以下です。

• pip install numpy
• pip install matplotlib
• pip install joblib
• pip install pandas
• pip install optuna

2. download

このレポジトリをダウンロードします。

> git clone https://github.com/pocokhc/metaheuristics.git

3. Run the program

examples にいくつか実行例が入っています。

> cd metaheuristics/examples

# 全問題と全アルゴリズムに対して探索を実行します
> python main.py

# 1次元と2次元を設定できる問題について、各アルゴリズムの探索過程をgif出力します
> python train_plot.py

# 1次元と2次元を設定できる問題について、結果を画像出力します
> python function_plot.py

# TSPを簡単に探索した結果を出力します
> python plot_TSP.py