遺傳算法(Python) #4 DEAP框架入門

1. DEAP框架簡介

DEAP(Distributed Evolutionary Algorithms in Python)是一個熱門的Python進化算法框架，我們可以用這個框架在Python內實現遺傳算法的應用,本文將介紹DEAP中主要模塊的定義與用法，而下一期我們將用DEAP框架解決OneMax問題。

2. base 模組

base模組內有Toolbox和Fitness兩個類，一般我們用Toolbox來創建方程，將所有遺傳算法的方程都儲存于Toolbox內有利于編程的封裝；Fitness類用來儲存個體適應度，如果要完整使用DEAP框架，必須同時使用Toolbox和Fitness。

2.1 Toolbox

Toolbox主要用來封裝方程，其用法如下

from deap import base
def get_abc(a,b,c):
     print(f"a:{a}; b:{b}; c:{c}")

tools = base.Toolbox()
tools.register("get", get_abc, 1,c=3) # register function

tools.get(2) # once registered, functions can be used directly in tools
>>> a:1; b:2; c:3

由上例可見，register的參數分別為：原函數的別名；原函數；原函數的參數（可為關鍵或非關鍵參數）。使用Toolbox可以大大減少代碼量，并通過將其他函數封裝進Toolbox使代碼簡單明了。

2.2 Fitness

Fitness主要和creator模組一起使用來初始化個體的適應度，具體內容將在下一期介紹。

3. creator 模組

我們一般使用creator.create來創建個體與種群。create方程可以拓展其他的類，并同時添加特性（attribute），示例如下：

from deap import creator
creator.create("styledText",str,size=9,style=dict)
# creator.styledText is almost equivalent to
class styledText(str):
    size = 9
    def __init__(self):
        self.style = dict()

4. tools 模組

tools模組包含一系列已定義好的方程，具體內容如下（來源:DEAP官網）：

其中初始化（Initialization）方程可以讓我們快速構建個體與種群:

例： 用initRepeat創建長度為4的列表，每一個列表上的元素為0或1

import random
from deap import tools
random.seed(39)
def randomZeroOne():
    return(random.randint(0,1))

individual = tools.initRepeat(list,randomZeroOne,4)
print(individual)
>>> [0, 1, 1, 0]

例：用initIterate創建長度為4的列表，列表內容為0-3順序隨機的整數

import random
from deap import tools
random.seed(39)
def random4():
    return(random.sample(range(4),4))

individual = tools.initIterate(list,random4)
print(individual)
>>> [1, 3, 2, 0]

交叉（Crossover）,突變（Mutate），選擇（Selection）為具體的遺傳算法方法，脫離了具體例子很難解釋，這些方法的應用將在今后的文章中逐一介紹，若對這些概念不了解的，可以查看本系列第二期。

5. 其他模組

DEAP框架內還有algorithms模組，和用以統計每一代數據的tools.Statistics和tools.Logbook，這些內容將在以后的文章中注意介紹。

6.小結

本期文章介紹了DEAP框架內的主要模組/方程，下一期將使用DEAP框架解決OneMax問題，并進一步展示DEAP框架的應用。