遗传算法和多目标优化在PYTHON上：使用的库/工具是什么？

Question

我正在搜索可用于使用GA的Python库，包括NSGAII等多目标算法的开发。你有什么建议吗？

以下是我目前找到的：

1. Pyevolve：文档齐全但不包含多目标
2. Pygene：似乎不包含多目标
3. deap：文档齐全，包括多目标
4. inspyred：文档一般，包括多目标。

问题并不一定关于哪个更好，而是关于这些库的特点以及从单目标优化到多目标优化的易用性。

谢谢

- Serge

---

这是一个有用的问题，我不明白为什么你们关闭了它...我不理解人们。 - erogol

我同意，这是一个有用的问题和答案集。它解决了我的一个优化问题。 - rhody

这个问题的措辞很好，涉及一个有用的主题，经过了深入的调研，并要求客观的回答。它没有“引发辩论、争论、投票或延长讨论”的意味——选择关闭它的人是不建设性的。 - Dave

我同意上面的评论。也许关闭问题的成员可以具体建议关闭此问题的标准是哪些（我怀疑它是关于征求投票的标准），并说明如何重新表述以排除这个标准。 - dexterous

虽然我认为这个问题有一定的用处，但是有一个关闭理由专门针对这种类型的问题：_要求我们推荐或寻找书籍、工具、软件库、教程或其他离线资源的问题不适合在Stack Overflow上讨论[...]_。同时，请参考这篇文章：http://meta.stackexchange.com/questions/199411 - moooeeeep

Answer 1

声明：我是DEAP的开发人员之一。

DEAP是提到的项目中最活跃的一个，它拥有一个活跃的邮件列表，如果您需要帮助，这是一个有趣的特性。 DEAP独特的类创建使从单目标切换到多目标非常容易。它带有多个示例，包括多目标遗传算法的示例。

此外，它与Python 2和3兼容，而其他一些框架仅支持Python 2。最后，尽管它是用纯Python编写的，但我们始终将性能放在心中，因此它非常快速。不同示例的时间可在http://deap.gel.ulaval.ca/speed/上查看。

- CmdNtrf

---

你好。在更多文档的支持下，DEAP 看起来确实不错。邮件列表活跃度很高（发了问题半小时后就收到回答），使用 multiprocessing 的可能性也很有前途。我会开始尝试它。 - Serge

Answer 2

Pybrain似乎拥有遗传算法和多目标遗传算法：

http://pybrain.org/docs/api/optimization/optimization.html?highlight=genetic#population-based

不过似乎还是有些基础，我没有试过，无法告诉您它的好坏。

- Imanol Luengo