evox.problems.numerical

子模块

• evox.problems.numerical.basic
• evox.problems.numerical.cec2022
• evox.problems.numerical.dtlz

软件包内容

类

Ackley	Ackley 函数的最小值为 x = [0, ..., 0]
Griewank	Griewank 函数的最小值是 x = [0, ..., 0]
Rastrigin	Rastrigin 函数的最小值是 x = [0, ..., 0]
Rosenbrock	Rosenbrock 函数的最小值为 x = [1, ..., 1]
Schwefel	Schwefel 函数的最小值为 x = [420.9687, ..., 420.9687]
Sphere	球体函数（sphere function），其最小值为 x = [0, ..., 0]
Ellipsoid	椭球函数，其最小值为 x = [0, ..., 0]
CEC2022	CEC 2022 单目标测试套件问题
DTLZ1
DTLZ2
DTLZ3
DTLZ4
DTLZ5
DTLZ6
DTLZ7

函数

ackley_func
griewank_func
rastrigin_func
rosenbrock_func
schwefel_func
sphere_func
ellipsoid_func

API

class evox.problems.numerical.Ackley(a: float = 20.0, b: float = 0.2, c: float = 2 * torch.pi, **kwargs)

Bases: evox.problems.numerical.basic.ShiftAffineNumericalProblem

Ackley 函数的最小值为 x = [0, ..., 0]

初始化

用给定的参数初始化 Ackley 函数。

参数:

• a -- 方程中的参数a。默认值为20.0。

• b -- 方程中的参数 b。默认值为 0.2。

• c -- 方程中的参数c。默认值为2 * pi。

• **kwargs -- 传递给超类 ShiftAffineNumericalProblem 的关键字参数（shift 和 affine）。

_true_evaluate(x: torch.Tensor) → torch.Tensor

class evox.problems.numerical.Griewank(**kwargs)

Bases: evox.problems.numerical.basic.ShiftAffineNumericalProblem

Griewank 函数的最小值是 x = [0, ..., 0]

初始化

用给定的参数初始化 Griewank 函数。

参数:

**kwargs -- 传递给超类 ShiftAffineNumericalProblem 的关键字参数（shift 和 affine）。

_true_evaluate(x: torch.Tensor) → torch.Tensor

class evox.problems.numerical.Rastrigin(**kwargs)

Bases: evox.problems.numerical.basic.ShiftAffineNumericalProblem

Rastrigin 函数的最小值是 x = [0, ..., 0]

初始化

用给定的参数初始化 Griewank 函数。

参数:

**kwargs -- 传递给超类 ShiftAffineNumericalProblem 的关键字参数（shift 和 affine）。

_true_evaluate(x: torch.Tensor) → torch.Tensor

class evox.problems.numerical.Rosenbrock(**kwargs)

Bases: evox.problems.numerical.basic.ShiftAffineNumericalProblem

Rosenbrock 函数的最小值为 x = [1, ..., 1]

初始化

用给定的参数初始化 Griewank 函数。

参数:

**kwargs -- 传递给超类 ShiftAffineNumericalProblem 的关键字参数（shift 和 affine）。

_true_evaluate(x: torch.Tensor) → torch.Tensor

class evox.problems.numerical.Schwefel(**kwargs)

Bases: evox.problems.numerical.basic.ShiftAffineNumericalProblem

Schwefel 函数的最小值为 x = [420.9687, ..., 420.9687]

初始化

用给定的参数初始化 Griewank 函数。

参数:

**kwargs -- 传递给超类 ShiftAffineNumericalProblem 的关键字参数（shift 和 affine）。

_true_evaluate(x: torch.Tensor) → torch.Tensor

class evox.problems.numerical.Sphere(**kwargs)

Bases: evox.problems.numerical.basic.ShiftAffineNumericalProblem

球体函数（sphere function），其最小值为 x = [0, ..., 0]

初始化

用给定的参数初始化 Griewank 函数。

参数:

**kwargs -- 传递给超类 ShiftAffineNumericalProblem 的关键字参数（shift 和 affine）。

_true_evaluate(x: torch.Tensor) → torch.Tensor

class evox.problems.numerical.Ellipsoid(**kwargs)

Bases: evox.problems.numerical.basic.ShiftAffineNumericalProblem

椭球函数，其最小值为 x = [0, ..., 0]

初始化

使用给定参数初始化 Ellipsoid 函数。

参数:

**kwargs -- 传递给超类 ShiftAffineNumericalProblem 的关键字参数（shift 和 affine）。

_true_evaluate(x: torch.Tensor) → torch.Tensor

class evox.problems.numerical.CEC2022(problem_number: int, dimension: int, device: torch.device | None = None)

Bases: evox.core.Problem

CEC 2022 单目标测试套件问题

初始化

从CEC2022测试套件初始化一个单一测试函数实例。

参数:

• problem_number -- 特定测试函数的索引。必须在1到12之间。

• (int) (dimension) -- 问题的维度。必须是 [2, 10, 20] 之一。

• optional) (device (torch.device,) -- 张量将被分配的设备。默认值为 None。

抛出:

• AssertionError -- 如果维度不是允许的值之一，或者函数未定义。

• FileNotFoundError -- 如果未找到该问题所需的数据文件。

shift(x: torch.Tensor, offset: torch.Tensor) → torch.Tensor

将输入向量移位。

rotate(x: torch.Tensor, M: torch.Tensor) → torch.Tensor

旋转输入向量。

cut(x: torch.Tensor, Gp: List[float], sh_flag: bool, rot_flag: bool, offset: torch.Tensor, M: torch.Tensor) → List[torch.Tensor]

sr_func_rate(x: torch.Tensor, sh_rate: float, sh_flag: bool, rot_flag: bool, offset: torch.Tensor, M: torch.Tensor) → torch.Tensor

平移和旋转函数与速率。

cf_cal(x: torch.Tensor, fit: List[torch.Tensor], delta: List[int], bias: List[int]) → torch.Tensor

cec2022_f1(x: torch.Tensor) → torch.Tensor

Zakharov 函数

cec2022_f2(x: torch.Tensor) → torch.Tensor

Rosenbrock Function

cec2022_f3(x: torch.Tensor) → torch.Tensor

Schaffer F7 函数

cec2022_f4(x: torch.Tensor) → torch.Tensor

Rastrigin 函数步骤（不连续的 Rastrigin's）

cec2022_f5(x: torch.Tensor) → torch.Tensor

Levy Function
Levy Function

cec2022_f6(x: torch.Tensor) → torch.Tensor

混合函数2

cec2022_f7(x: torch.Tensor) → torch.Tensor

混合函数 10

cec2022_f8(x: torch.Tensor) → torch.Tensor

混合函数6

cec2022_f9(x: torch.Tensor) → torch.Tensor

Composition Function 1

cec2022_f10(x: torch.Tensor) → torch.Tensor

Composition Function 2

cec2022_f11(x: torch.Tensor) → torch.Tensor

Composition Function 6

cec2022_f12(x: torch.Tensor) → torch.Tensor

Composition Function 7

zakharov_func(x: torch.Tensor) → torch.Tensor

问题编号 = 1。

step_rastrigin_func(x: torch.Tensor) → torch.Tensor

问题编号 = 4。

levy_func(x: torch.Tensor) → torch.Tensor

问题编号 = 5。

bent_cigar_func(x: torch.Tensor) → torch.Tensor

hgbat_func(x: torch.Tensor) → torch.Tensor

rastrigin_func(x: torch.Tensor) → torch.Tensor

katsuura_func(x: torch.Tensor) → torch.Tensor

ackley_func(x: torch.Tensor) → torch.Tensor

schwefel_func(x: torch.Tensor) → torch.Tensor

schaffer_F7_func(x: torch.Tensor) → torch.Tensor

escaffer6_func(x: torch.Tensor) → torch.Tensor

happycat_func(x: torch.Tensor) → torch.Tensor

grie_rosen_func(x: torch.Tensor) → torch.Tensor

griewank_func(x: torch.Tensor) → torch.Tensor

rosenbrock_func(x: torch.Tensor) → torch.Tensor

discus_func(x: torch.Tensor) → torch.Tensor

ellips_func(x: torch.Tensor) → torch.Tensor

evaluate(pop: torch.Tensor) → torch.Tensor

class evox.problems.numerical.DTLZ1(d: int = 7, m: int = 3, ref_num: int = 1000)

Bases: evox.problems.numerical.dtlz.DTLZ

evaluate(X: torch.Tensor) → torch.Tensor

class evox.problems.numerical.DTLZ2(d: int = 12, m: int = 3, ref_num: int = 1000)

Bases: evox.problems.numerical.dtlz.DTLZ

evaluate(X: torch.Tensor) → torch.Tensor

pf()

class evox.problems.numerical.DTLZ3(d: int = 12, m: int = 3, ref_num: int = 1000)

Bases: evox.problems.numerical.dtlz.DTLZ2

evaluate(X: torch.Tensor) → torch.Tensor

class evox.problems.numerical.DTLZ4(d: int = 12, m: int = 3, ref_num: int = 1000)

Bases: evox.problems.numerical.dtlz.DTLZ2

evaluate(X: torch.Tensor) → torch.Tensor

class evox.problems.numerical.DTLZ5(d: int = 12, m: int = 3, ref_num: int = 1000)

Bases: evox.problems.numerical.dtlz.DTLZ

evaluate(X: torch.Tensor) → torch.Tensor

pf()

class evox.problems.numerical.DTLZ6(d: int = 12, m: int = 3, ref_num: int = 1000)

Bases: evox.problems.numerical.dtlz.DTLZ

evaluate(X: torch.Tensor) → torch.Tensor

pf()

class evox.problems.numerical.DTLZ7(d: int = 21, m: int = 3, ref_num: int = 1000)

Bases: evox.problems.numerical.dtlz.DTLZ

evaluate(X: torch.Tensor) → torch.Tensor

pf()

evox.problems.numerical.ackley_func(a: float, b: float, c: float, x: torch.Tensor) → torch.Tensor

evox.problems.numerical.griewank_func(x: torch.Tensor) → torch.Tensor

evox.problems.numerical.rastrigin_func(x: torch.Tensor) → torch.Tensor

evox.problems.numerical.rosenbrock_func(x)

evox.problems.numerical.schwefel_func(x)

evox.problems.numerical.sphere_func(x)

evox.problems.numerical.ellipsoid_func(x: torch.Tensor)