Algorithmes génétiques et optimisation multi-objectifs sur PYTHON: bibliothèques / outils à utiliser?
Je recherche sur Internet des bibliothèques disponibles pour utiliser GA avec un développement potentiel d'algorithmes multi-objectifs comme NSGAII pour Python. Avez-vous une suggestion?
Voici ce que j'ai jusqu'à présent:
- Pyevolve : Bien documenté mais n'inclut pas le multi objectif
- Pygene : ne semble pas inclure un objectif multiple
- deap : semble bien documenté, inclut un objectif multiple
- inspiré : semble bien documenté, inclut un objectif multiple
La question n'est pas nécessairement de savoir laquelle est la meilleure, mais plutôt des fonctionnalités de ces bibliothèques et de la possibilité de passer facilement d'une optimisation simple à multi-objectif.
Je vous remercie
Divulgation: je suis l'un des développeurs de DEAP.
DEAP est le projet le plus développé parmi ceux mentionnés. Il a une liste de diffusion active, ce qui est une fonctionnalité intéressante si vous avez besoin d'aide à un moment donné. La création de classe qui est unique à DEAP rend le passage d'un seul objectif à plusieurs objectifs très facile. Il est livré avec plusieurs exemples, y compris des exemples d'algorithmes génétiques multiobjectifs.
Il est également compatible avec les deux Python 2 et 3, tandis que certains autres frameworks ne supportent que Python 2. Enfin, bien qu'il soit écrit en Python pur, nous allons toujours avoir à l'esprit les performances, donc c'est assez rapide.Le timing des différents exemples est disponible à http://deap.gel.ulaval.ca/speed/ .
Pybrain semble avoir GA et GA multiobjectif:
http://pybrain.org/docs/api/optimization/optimization.html?highlight=genetic#population-based
Semble toujours être un peu basique. Je ne l'ai pas essayé donc je ne peux pas vous dire à quel point c'est bon.