最近幾年簡單瀏覽和對(duì)比了一些智能算法的庫。現(xiàn)將各種庫的主要信息、相關(guān)優(yōu)缺點(diǎn)簡單整理如下，各位同學(xué)可根據(jù)自己的需求和喜好進(jìn)行選擇。

文章目錄

• • • • • 1、DEAP
      • 2、mealpy
      • • 3、scikit-opt （國產(chǎn)良心）
        • 4、Geatpy2（國產(chǎn)用心）
        • 5、pygmo2
        • 6、pyswarms
        • 7、SciPy(想不到吧)
        • 小結(jié)

1、DEAP

項(xiàng)目地址：https://github.com/DEAP/deap

安裝：

pip install deap

優(yōu)點(diǎn)：

• 起點(diǎn)高，發(fā)表在Journal of Machine Learning Research
• 用法靈活，所有模塊均可自定義

缺點(diǎn)：

• 上手麻煩比較麻煩

比如它是這樣設(shè)置參數(shù)然后完成一個(gè)簡單的函數(shù)最大優(yōu)化的：

import random from deap import creator, base, tools, algorithmscreator.create("FitnessMax", base.Fitness, weights=(1.0,)) creator.create("Individual", list, fitness=creator.FitnessMax)toolbox = base.Toolbox()toolbox.register("attr_bool", random.randint, 0, 1) toolbox.register("individual", tools.initRepeat, creator.Individual, toolbox.attr_bool, n=100) toolbox.register("population", tools.initRepeat, list, toolbox.individual)def evalOneMax(individual):return sum(individual),toolbox.register("evaluate", evalOneMax) toolbox.register("mate", tools.cxTwoPoint) toolbox.register("mutate", tools.mutFlipBit, indpb=0.05) toolbox.register("select", tools.selTournament, tournsize=3)population = toolbox.population(n=300)NGEN=40 for gen in range(NGEN):offspring = algorithms.varAnd(population, toolbox, cxpb=0.5, mutpb=0.1)fits = toolbox.map(toolbox.evaluate, offspring)for fit, ind in zip(fits, offspring):ind.fitness.values = fitpopulation = toolbox.select(offspring, k=len(population)) top10 = tools.selBest(population, k=10)

• 速度慢（許多人都反應(yīng)有這個(gè)問題）

• 集成的算法少（當(dāng)然也可以通過自定義來修改，但這樣和完全自寫沒多大區(qū)別）

• 超過半年沒有更新（最近更新也只是安裝上的修改）

2、mealpy

項(xiàng)目地址：https://github.com/thieunguyen5991/mealpy

安裝：

pip install meaply

優(yōu)點(diǎn)：

• 算法豐富，集成了現(xiàn)有的62種算法，目測應(yīng)該還在繼續(xù)更新添加
• 上手容易，代碼簡單，比如對(duì)標(biāo)準(zhǔn)函數(shù)庫的函數(shù)進(jìn)行優(yōu)化：

from opfunu.type_based.uni_modal import Functionsfrom mealpy.evolutionary_based.GA import BaseGAt1 = Functions()## Setting parametersobjective_func = t1._sum_squres__problem_size = 30domain_range = [-15, 15]log = Trueepoch = 100pop_size = 50pc = 0.95pm = 0.025md = BaseGA(objective_func, problem_size, domain_range, log, epoch, pop_size, pc, pm)best_position, best_fit, list_loss = md._train__()print(best_fit)

缺點(diǎn)：

• 整體設(shè)計(jì)似乎不太規(guī)范，文檔解釋不夠
• 語言上似乎還存在一點(diǎn)小問題，英語應(yīng)用不夠規(guī)范（這可能也是作者沒有發(fā)表很好的雜志的原因之一）
• 集成了多種算法但未列舉參考文獻(xiàn)，不方便論文引用

3、scikit-opt （國產(chǎn)良心）

項(xiàng)目地址：https://github.com/guofei9987/scikit-opt

官文文檔地址：https://scikit-opt.github.io/scikit-opt/#/zh/README

安裝：

pip install scikit-opt

優(yōu)點(diǎn)：

• 上手容易，代碼簡單，尤其許多用法很像Matlab。比如官方文檔就提供了一些例子：使用遺傳算法進(jìn)行曲線擬合

• 中文文檔，并且文檔很全。大佬的CSDN主頁。（作者自稱是京東算法工程師，這個(gè)庫也的確感覺得到一些情懷，方便實(shí)用的感覺）

• 在使用方便的基礎(chǔ)上，也提供了不少接口用于自行修改。尤其可以自定義算子。

• 一些較好玩的特性：GPU加速、斷點(diǎn)運(yùn)行等。

缺點(diǎn)：

• 目前似乎還沒有集成足夠多的方法。大類有3類，共7種算法。

• 算法本身的優(yōu)化似乎還不足（未仔細(xì)測試）

4、Geatpy2（國產(chǎn)用心）

項(xiàng)目地址：https://github.com/geatpy-dev/geatpy

官網(wǎng)地址：http://geatpy.com/

安裝：

pip install geatpy

或者強(qiáng)制版本

pip install geatpy==2.5.1

優(yōu)點(diǎn)：

• 上手容易，實(shí)現(xiàn)簡單
• 文檔完整，示例豐富（中文文檔）
• 功能齊全，除算法以外也封裝了許多實(shí)用的功能，比如數(shù)據(jù)可視化等

缺點(diǎn)：

• 代碼風(fēng)格詭異，比如
• 英文用語不規(guī)范，變量命名相對(duì)隨意，比如入門文檔中，將目標(biāo)函數(shù)翻譯成"aimFunc"，變量名稱XM？等。

def aimFunc(self, pop): # 目標(biāo)函數(shù)Vars = pop.Phen # 得到?jīng)Q策變量矩陣XM = Vars[:,(self.M-1):]g = 100 * (self.Dim - self.M + 1 + np.sum(((XM - 0.5)**2 - np.cos(20 * np.pi * (XM - 0.5))), 1, keepdims = True))ones_metrix = np.ones((Vars.shape[0], 1))f = 0.5 * np.fliplr(np.cumprod(np.hstack([ones_metrix, Vars[:,:self.M-1]]), 1)) * np.hstack([ones_metrix, 1 - Vars[:, range(self.M - 2, -1, -1)]]) * np.tile(1 + g, (1, self.M))pop.ObjV = f # 把求得的目標(biāo)函數(shù)值賦值給種群pop的ObjV

• 文檔開展還顯得比較稚嫩，比如主頁文檔就用插件顯示，官網(wǎng)體驗(yàn)還欠些火候

注：這個(gè)項(xiàng)目得多補(bǔ)充幾句，目測應(yīng)該是碩士生寫的。總體的設(shè)計(jì)、DEMO、文檔上給人感覺都遠(yuǎn)不如上面幾個(gè)老練（尤其和DEAP相比）。但幾個(gè)學(xué)生跨校合作，在不長的時(shí)間內(nèi)能夠完成如此完整的一個(gè)工作也實(shí)非易事。也希望他們能夠繼續(xù)進(jìn)步。綜合來看，這個(gè)項(xiàng)目個(gè)人認(rèn)為屬于國產(chǎn)良心。

5、pygmo2

項(xiàng)目地址：https://github.com/esa/pygmo2

安裝：

pip install pygmo

注：安裝還依賴如下環(huán)境

• the pagmo C++ library, 2.13 +；the Boost serialization library,1.60+；NumPy；cloudpickle.

其它可能會(huì)用到的環(huán)境：

• dill；Matplotlib；NetworkX

優(yōu)點(diǎn)：

• 功能豐富
• 支持并行和分布式計(jì)算（本身運(yùn)行效率也很高）
• 用法靈活
• 感覺測試相對(duì)穩(wěn)定（未仔細(xì)測試）

缺點(diǎn)：

• 上手相對(duì)麻煩
• 依賴項(xiàng)較多，尤其要求對(duì)應(yīng)C++版的軟件環(huán)境
• 算法有限

注：這個(gè)庫也吐槽一句，網(wǎng)傳很厲害，但真沒看出來除了看起來專業(yè)以外有何厲害之處。當(dāng)然通常以C++為底層的東西有可能在大量級(jí)問題上的處理更加容易部署，但一般的用戶也用不到。

6、pyswarms

項(xiàng)目地址：https://github.com/ljvmiranda921/pyswarms

安裝：

pip install pyswarms

優(yōu)點(diǎn)：

• 簡單，易上手，基本上也屬于幾行代碼入門型
• 可視化，尤其動(dòng)態(tài)可視化做得好。（亮點(diǎn)），比如畫出圖形，基本上就是一句代碼：

plot_contour(pos_history=optimizer.pos_history, mesher=m, designer=d, mark=(0,0))

pos_history_3d = m.compute_history_3d(optimizer.pos_history) # preprocessing animation3d = plot_surface(pos_history=pos_history_3d,mesher=m, designer=d,mark=(0,0,0))

缺點(diǎn)：

• 算法少。只有基于PSO的各類問題的算法（本質(zhì)上其實(shí)就只是一個(gè)算法）
• 靈活度不夠。
• 起點(diǎn)低。發(fā)表的論文既沒進(jìn)入CCF推薦，也沒進(jìn)入SCI。同時(shí)雖然號(hào)稱有許多研究論文用過，但仔細(xì)看級(jí)別都不高（基本都屬于三無型）

7、SciPy(想不到吧)

項(xiàng)目地址：https://github.com/scipy/scipy

官網(wǎng)：https://www.scipy.org/

官方文檔: https://docs.scipy.org/doc/

安裝（當(dāng)然其實(shí)當(dāng)你裝上Python的時(shí)候它就在了)：

pip install scipy

特別說明： scipy作為一個(gè)相對(duì)嚴(yán)謹(jǐn)和‘傳統(tǒng)’的數(shù)值計(jì)算庫，基本上常用的數(shù)值計(jì)算方法都有涉及。當(dāng)然數(shù)值計(jì)算型的庫通常都不會(huì)把智能優(yōu)化（啟發(fā)式算法）作為重點(diǎn)。它集成了十分有限的幾種優(yōu)化算法：差分進(jìn)化、模擬退火等。但它仍然有不少優(yōu)點(diǎn)：

優(yōu)點(diǎn)：

• 作為嚴(yán)謹(jǐn)?shù)臄?shù)值計(jì)算庫，它的正確性和穩(wěn)定性值得信賴（超過800個(gè)contributor，其中有不少是名校的教師、博士等）
• 使用方便、簡單
• scipy也可以自定義優(yōu)化算法

缺點(diǎn)：

• 自然就是算法太少了
• 雖然可以自定義，但麻煩程度幾乎相當(dāng)于完全自己造輪子

小結(jié)

經(jīng)過一番調(diào)研，發(fā)現(xiàn)在Python的包庫里面有質(zhì)量的智能算法庫還真是非常有限（除上述庫以外，還有不少幾個(gè)算法就成一個(gè)庫的庫，實(shí)在不敢恭維，簡單玩玩就行了）。這里個(gè)人認(rèn)為可能有以下幾個(gè)方面：

• 智能算法本身實(shí)現(xiàn)并不太難
• 在當(dāng)前的大環(huán)境下，大規(guī)模的問題下智能算法并不具有明顯的優(yōu)勢
• 專業(yè)做算法的通常仍然還是以Matlab為主（尤其數(shù)學(xué)類的）
• 智能算法，尤其進(jìn)化算法，本質(zhì)上差異并不大

或許就是以上原因?qū)е卢F(xiàn)在我們看不到特別驚艷的庫，目前稍做得好一些的也就是在輔助功能上集成得較好而已。

當(dāng)然，不管怎樣，目前有這些庫的話，對(duì)于不是完全專業(yè)從事相關(guān)算法研究的人員而言也完全夠用了。就個(gè)人目前體驗(yàn)而言，綜合來看最推薦的庫為scikit-opt。當(dāng)然終歸到底，自己用著好就是最好。

總結(jié)

以上是生活随笔為你收集整理的Python主要智能优化算法库汇总的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。