问解决用户定义函数和约束的Python ES算法

EN

在python cma包中，可以指定绑定约束：

import cma
opts = cma.CMAOptions()
opts.set("bounds", [[-2, None], [2, None]])
cma.fmin(cost_function, x_start, sigma_start, opts)

对于第二个约束，正如前面已经说过的，它并不简单，但是您确实可以为领域外的候选解决方案分配高适应度值。你只需在这里调一下cost_function。这些值可以非常高(高于可行域中的任何函数值)，也可以依赖于约束违反值。

有几种方法来处理带有惩罚的约束。在你的情况下(小尺寸)你可以尝试使用最简单的。

我看到你和DEAP医生的斗争了。尽管如此，我还是写了我自己的进化计算库，最近我用DEAP做了很多概念的证明，我认为他们做得很好。

继续，让我们来看看完整的例子。如果你读了这些文档，你就可以查看代码了。问题的大小是变量的数量，所以在您的情况下，如果我正确理解，您将得到N = 2 (x和y)。

您需要您的自定义健身功能，而不是benchamrks.rastrigin。

toolbox.register("evaluate", myownfunction)

这些约束不是实现的，而是一项简单的任务。在健身函数中，您可以使违反约束的个体无效(例如，通过分配非常高的适应度，如果最小化的话)，并且在几代的时间内，您的人口应该没有残疾人。

这将是DEAP中最简单的方法，但是可以扩展班级以覆盖/扩展任何方法，例如，generate方法，以便初始人口中的所有个体都是有效的。