ドウジンテイスウ.log — 遺伝プログラムで遊んでみた
仕事探しなう アイコンは googLeNetが９９％超の確率でルーペと認識する画像。 2016//8/17 独自ドメインに移行してみました。旧：sage-t.tumblr.com → 新：t.doujin-constant.net です。 tumblrの仕様として旧ドメインから転送されるので、リンク等はそのままで大丈夫です。 If you want to read some articles in English, please put a comment or send me a message. I will translate them. 今回は、pythonの遺伝アルゴリズム用ライブラリdeapを使って、関数の回帰を試した後○×ゲームのaiを育ててみました。 遺伝アルゴリズム自体はニコ動で見かけていたので知っていたのですが、可変個数の遺伝子を扱うならどうすればいいのかとは前々から思
遺伝的アルゴリズムに入門するときに参考になったスライドとOneMax問題の実装 ｜ もふもふ技術部
概念と全貌の理解 まずはアルゴリズムの概念と全貌を理解したいのでインプットしていきます。 こちらはサックリ全貌が理解出来ます。わかりやすいです。 生物界の進化の過程を模倣したアルゴリズムなので直感的に理解しやすいと思います。細かいところはともかくたぶん一回読めはなんとなくわかるはず。 OneMax問題 Pythonの遺伝的アルゴリズムのライブラリDeapを使って実装していきます。 OneMax問題という非常に簡単な問題を遺伝的アルゴリズムで解いていくわけなのですが、OneMax問題というのは、0,1でランダムに初期化されたビット配列を全て1にするという非常にシンプルな問題です。 例えば初期化時の個体が、 [1,0,1,1,0,0,0,1,0] だったものを遺伝的アルゴリズムで進化させることで [1,1,1,1,1,1,1,1,1] こういう個体に近づけていくということです。 早速実装してみ
DEAP - Pythonと機械学習
目次 目次 はじめに 使い方の解説 creator.create()関数 適応度の定義 個体の定義 base.Toolbox.register()関数 遺伝子を作成する関数 個体を作成する関数 世代を作成する関数 目的関数 交叉関数 突然変異関数 選択関数 注意点 main関数内の処理 個体にnumpyのndarrayを使う場合 遺伝子が連続値の場合 変更点 実行結果 はじめに Pythonで遺伝的アルゴリズムのライブラリーが無いか検索してみたところ、どうもDEAPというライブラリーが良いらしいので使い方を調べてみることにしました。 ソースコードはGitHub上にあげられています。 PyPIにも登録されているので、pipでインストールできます。 pip install -U deap DEAPは遺伝的アルゴリズムだけでなく、他にも色々な進化的計算のアルゴリズムが実装されているみたいです。
Pythonの進化計算ライブラリDeap - Qiita
DEAP概要 Pythonで使える遺伝的アルゴリズムライブラリDeapを紹介したいと思います。 Pythonの遺伝的アルゴリズムライブラリは他にもPyevolveというのがあるのですが、Deapの方が開発が盛んらしいので、こちらを使ってみたいと思います。 以下がDeapで使用できる主なアルゴリズムおよび機能です。 GA 遺伝的アルゴリズム GP 遺伝的プログラミング ES 進化戦略(CMA-ESなど) 多目的最適化(NSGA-II, SPEA-II) Co-evolution 並列化 個体の中の優等生の保持 定期的なチェックポイント ベンチマーク 進化の系図 Particle Swarm Optimization, Differential Evolution, Estimation of Distribution Algorithm Example 今回はGAのExampleを解説してい
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
PythonのDEAPが面白そう