cec2013lsgo 2.2

笔记

如果您要使用此代码的任何部分，请引用以下出版物：X. Li, K. Tang, M. Omidvar, Z. Yang 和 K. Qin, “Benchmark Functions for the CEC'2013 Special Session and Competition on大规模全局优化，”技术报告，进化计算和机器学习小组，RMIT 大学，澳大利亚，2013。http: //goanna.cs.rmit.edu.au/~xiaodong/cec13-lsgo/competition/

要求

• GNU 制作

• GNU G++

• Python

• 赛通

测试环境

• Debian GNU/Linux 杰西/sid

• GNU Make 3.81

• g++ (Debian 4.7.3-4) 4.7.3

• Python 2.7 和 Python 3.2

• numpy 1.8.1

• 赛通 0.20.1

Travis-CI 的结果

安装

很简单，pip install cec2013lsgo ;-)。

您也可以从https://github.com/dmolina/cec2013lsgo下载，然后执行python setup.py install [–user]。（选项–user用于在本地安装软件包，作为普通用户（当您想在没有管理权限的集群/服务器中运行实验时很有趣）。

用 C++ 编译源代码

C++ 的源代码也可用。如果您只想编译源代码根目录中的“make”中的 C++ 版本类型。

有两个等效的演示可执行文件：demo 和 demo2。

记住：要运行 C++ 版本，目录 cdatafiles 必须在工作目录中可用。在 python 版本中，这些文件包含在包中，因此不需要。

测试

源代码具有检查每个函数的信息的测试，以及使用解决方案 np.zeros(1000)（零的解决方案）使用 C 版本获得的结果。

快速开始

该软件包非常易于使用。有一个类 Benchmark 有两个功能：

• 为每个函数提供信息：它们的最优值、维度、域搜索以及实现最优值的预期阈值。

• 给出一个适应度函数来评估解决方案。它期望这些解决方案是 numpy 数组（向量），但它也可以与普通数组一起使用。

这两个功能是通过 Benchmark 类中的两个方法完成的：

• get_num_functions()

  返回基准中的函数数量 (15)

• 获取信息（函数 ID）

  返回一个包含以下信息的数组，其中 /function_id/ 是函数的标识符，一个介于 1 和 15 之间的 int 值。

  • 小写大写

    域搜索的上下边界。

  • 最好的

    最佳实现，它始终为零，因此可以忽略。

  • 临界点

    获取的阈值，总是为零，因此也可以忽略。

  • 方面

    函数的维度，始终为 1000。

  可以注意到，所有函数的几个数据都是相同的。它是为维护与其他 cec20xx 竞赛的相同接口而设计的。

• 获取函数（函数 ID）

  function_id与get_info中的参数相同，是 1 到 15 之间的整数值。

  它返回适应度函数来评估解决方案。

使用示例

>>> from cec2013lsgo.cec2013 import Benchmark
>>> bench = Benchmark()
>>> bench.get_info(1)
{'best': 0.0,
 'dimension': 1000,
 'lower': -100.0,
 'threshold': 0,
 'upper': 100.0}

>>> from numpy.random import rand
>>> info = bench.get_info(1)
>>> dim = info['dimension']
>>> sol = info['lower']+rand(dim)*(info['upper']-info['lower'])

>>> fun_fitness = bench.get_function(1)
>>> fun_fitness(sol)
464006824710.75995

接触

Python包和C++版本

Daniel Molina @ 格拉纳达大学计算机科学系 请随时通过 < dmolina @ decsai与我联系。乌格_ es > 如有任何疑问或建议。

最近更新时间：

• C++版本<2018-12-10>

• Python 包装 <2018-01-08>