如何为差分进化增加几个约束？
我的问题与this question中的问题相同，但我不想只向优化问题添加一个约束，而是希望添加多个约束。 所以，例如，我想在x1和x2的和小于5和x2小于3的约束下最大化x1 + 5 * x2(不用说，实际问题要复杂得多，不能像这个问题那样抛到scipy.optimize.minimize中；它只是用来说明问题...)。 我可以对付这样的丑陋黑客： from scipy.opt
..
differential-evolution相关内容
利用SSIPY差分进化算法对参数的约束
我正在尝试使用差异进化来基于成本优化可用性。但是，我这里有三个未知参数(a、b、c)，我可以使用界限定义范围。但是，我想将附加约束定义为a+b+c<；=10000。我正在使用Python来实现这一点，并且我试图在差异进化中使用选项“args”，但它不起作用。如有任何信息，我们将不胜感激。 推荐答案 使用差异进化定义约束不是我上面描述的问题的合适解决方案。为此，我们可以使用具有专用选
..
在时间阈值后停止Scipydifferential_evolution()
我的问题已得到部分回答 应考虑以下几点: 除非您将 polish = False 指定为 differential_evolution()的输入，否则在停止演化后仍会执行抛光操作:这会增加时间 回调在完成对每一代的评估后触发:当迭代花费大量时间时，这可能会超过限制.
..
获取可用于在差分演化工作者中使用的函数可腌制的函数= -1
#I编辑了我的原始帖子，以举一个简单的例子. 我使用Scipy的差分进化(DE)来优化某些参数. 我想在此任务中使用所有PC处理器，然后尝试使用选项"workers = -1" 要求的条件是DE调用的函数必须是可腌制的. 如果我在from scipy.optimize import rosen, differential_evolution import pickle import d
..
所有版本的差分进化算法
解释差分演化的基本算法中的所有更新.我无法找到此算法的所有版本.在调查中解释该算法的所有版本，但我对Wikipedia中给出的该算法背后的理论尚不清楚.维基百科还只定义了差分进化的基本算法，但我想对该算法进行所有更新 解决方案 对于差异演化中的完整调查，我建议您使用标题为 DE有2个基本的交叉和5个基本的变异运算符，因此我们有2 * 5 = 10个基本的DE变体. 两个交叉运算符是E
..
解释差分进化法
有人可以解释差异进化方法吗? Wikipedia 定义极为技术化. 一个简短的解释和一个简单的例子将不胜感激:) 解决方案 此处为简化的描述. DE是一种优化技术，可以迭代地修改大量候选解决方案以使其收敛到最佳功能. 您首先随机初始化您的候选解决方案.然后在每次迭代中，对于每个候选解决方案x，您都需要执行以下操作: 您产生一个试验向量:v = a +(b-c)/2，其中a
..
什么是差异进化，它与遗传算法相比有何不同?
从我到目前为止所读的内容来看，它们看起来非常相似. 微分进化代之以浮点数，其解称为向量?我不太确定那是什么意思. 如果有人可以概述一下两者的优缺点. 解决方案 好的，遗传算法和差分进化都是进化计算的例子. 遗传算法非常接近遗传繁殖的隐喻.即使是语言也几乎是相同的-都谈论染色体，都谈论基因，基因是不同的字母，都谈论交叉，并且交叉非常接近对基因复制的低级理解，等等. 差异演化具有相同的
..
并行差分进化
我一直在研究R中的差分进化库，我想知道:这是一种有意义的并行化算法吗?在我看来，您可以将优化间隔分为几个部分，在每个部分上运行算法，然后比较每个部分的结果并返回最小值. 解决方案 是的，它应该并行化.找到回到R及其DE变体，最好的方法是在编译级别.我在DEoption的RcppDE'port'的'RcppParDE'变体中使用OpenMP进行了尝试，但没有完成. 我了解下一个(当前的
..
在差分进化算法中交叉的重要性是什么?
在差分进化算法中用于优化问题. 涉及三个进化过程，即突变穿越和选择 我只是一个初学者，但我尝试过删除交叉过程，并且与原始算法没有明显差异. 那么在差分进化算法中交叉的重要性是什么? 解决方案 如果您不使用交叉，则可能是您的算法只是探索问题搜索空间而没有利用它.通常，如果进化算法能够在勘探和开发速率之间取得良好的平衡，那么该算法便会成功. 例如DE/rand/1/Eithe
..
使用python中的差分演化对参数进行约束
我正在尝试使用差异进化来基于成本优化可用性.但是，我在这里有三个未知参数(a，b，c)，我可以使用界限定义范围.但是，我想将其他约束定义为a + b + c
..
ES计算得出以下列的结果不可靠(逆风险):1
使用DEoptim时，我不断收到此错误:ES calculation produces unreliable result (inverse risk) for column: 1消息.也许我正在忽略某些东西，所以我需要一些帮助来解决这个问题.我已经在网上搜索了，但似乎找不到答案. 我有一个名为RETS的xts对象，该对象包含127行和4列，具有日志返回: library("quant
..
python中的并行/多线程差分进化
我正在尝试对生化过程进行建模，并且将我的问题构造为一个优化问题，我可以使用scipy中的differential_evolution来解决. 到目前为止，一切都很好，我非常满意使用15-19个参数的简化模型的实现. 我扩展了模型，现在带有32个参数的模型花费的时间太长了.并非完全出乎意料，但仍然是一个问题，因此是个问题. 我看过: -关于R 并行差分进化 -和github问题 htt
..
整数的Scipy微分进化
我正在尝试使用scipy.optimize.differential_evolution进行优化.该代码要求x中每个变量的范围.但是我想要一个解决方案，其中x的部分必须是整数，而其他部分则可以自由浮动.我的代码的相关部分看起来像 bounds = [(0,3),(0,3),(0,3),???,???] result = differential_evolution(func,
..