Algoritmi genetici e ottimizzazione multi-obiettivi su PYTHON: librerie/strumenti da usare?

Question

Sto analizzando Internet per le librerie disponibili per utilizzare GA con potenziale sviluppo di algoritmi multi-obiettivo come NSGAII per Python. Hai qualche suggerimento?

Ecco quello che ho finora:

1. Pyevolve: Ben documentato ma non include più obiettivo
2. Pygene: Non sembra includere più obiettivo
3. deap: Sembra ben documentati , include multiobiettivo
4. inspyred: sembra ok-documentato, include multiobiettivo

La domanda non è necessariamente su quale sia meglio ma più sulle caratteristiche di queste librerie e sulla possibilità di passare facilmente dall'ottimizzazione singola a quella multiobiettivo.

Grazie

Answer 1

Disclosure: Sono uno degli sviluppatori di DEAP.

DEAP è il progetto più attivamente sviluppato tra quelli menzionati. Ha una mailing list attiva, che è una caratteristica interessante se hai bisogno di aiuto ad un certo punto. La creazione di classi che è unica per DEAP rende davvero semplice il passaggio da obiettivi singoli a multipli. Viene fornito con più esempi, inclusi esempi di algoritmi genetici multiobiettivo.

È compatibile anche con Python 2 e 3, mentre altri framework supportano solo Python 2. Infine, mentre è scritto in Python puro, avremo sempre delle prestazioni in mente, quindi è abbastanza veloce. La tempistica dei diversi esempi è disponibile allo http://deap.gel.ulaval.ca/speed/.

Answer 2

Pybrain sembra avere GA e GA multiobiettivo:

http://pybrain.org/docs/api/optimization/optimization.html?highlight=genetic#population-based

sembra essere ancora un po 'di base. Non l'ho provato, quindi non posso dirti quanto è bello.