evox.algorithms.so.de_variants.ode

模块内容

类

ODE	反对基差差分进化 (ODE) 算法用于优化。

API

class evox.algorithms.so.de_variants.ode.ODE(pop_size: int, lb: torch.Tensor, ub: torch.Tensor, base_vector: Literal[best, rand] = 'rand', num_difference_vectors: int = 1, differential_weight: float | torch.Tensor = 0.5, cross_probability: float = 0.9, mean: torch.Tensor | None = None, stdev: torch.Tensor | None = None, device: torch.device | None = None)

基础: evox.core.Algorithm

反对基差差分进化 (ODE) 算法用于优化。

Class Methods

• __init__：使用给定的参数初始化 ODE 算法，包括种群大小、边界、变异策略和其他超参数。

• init_step: 执行种群适应度的初始评估，并进入第一次优化步骤。

• step: 执行ODE算法的单个优化步骤，包括变异、交叉、选择和基于对抗的机制。

请注意，evaluate 方法在这个类中未定义。它预计由 Problem 类或其他外部组件提供。

初始化

使用给定的参数初始化基于对抗的差分进化（ODE）算法。

参数:

• pop_size -- 种群大小。

• lb -- 粒子位置的下界。必须是一个一维张量。

• ub -- 粒子位置的上界。必须是一个一维张量。

• base_vector -- 用于变异的基础向量类型。可以是 "best" 或 "rand"。默认值为 "rand"。

• num_difference_vectors -- 在变异中使用的差异向量的数量。必须至少为 1 且小于种群大小的一半。默认为 1。

• differential_weight -- 应用于差异向量的差异权重 (F)。可以是一个浮点数或形状为 [num_difference_vectors] 的张量。默认值为 0.5。

• cross_probability -- 交叉概率（CR）。必须在（0，1]之间。默认值为0.9。

• mean -- 用于通过正态分布初始化种群的均值。如果使用，则必须提供标准差（stdev）。默认为 None。

• stdev -- 用于通过正态分布初始化种群的标准差。若使用，则必须提供均值。默认为 None。

• device -- 用于张量计算的设备。默认为 None。

init_step()

执行种群适应度的初步评估，并进入第一个优化步骤。

此方法评估初始种群的适应度，然后调用 step 方法进行第一次优化迭代。

step()

执行 ODE 算法的单次优化步骤。

这涉及以下子步骤：

1. Mutation: 生成基准向量策略 (best 或 rand) 和差异向量数量的基础上，根据这些信息生成变异向量

2. 交叉：根据交叉概率，在当前种群和变异向量之间执行交叉。

3. 选择：评估新种群的适应度，并在当前种群和新种群之间选择更优的个体。

4. 对立机制：生成对立种群，评估它们的适应度，并进行选择，以便在它们更好的情况下，潜在地用它们的对立个体替换当前个体。

这个方法确保新种群向量都会被截断在指定范围内。