読者です 読者をやめる 読者になる 読者になる

何かを書き留める何か

数学や読んだ本について書く何かです。最近は社会人として生き残りの術を学ぶ日々です。

Pythonで遺伝的アルゴリズム

Python


意味深な自分のツイートを引用したことにあまり意味は無い。Python遺伝的アルゴリズムを行うにはPyevolve、Pygene、DEAPという選択肢がある。しかしPyevolve、Pygeneは対応しているPythonのバージョンが2.x系統で開発が止まってた。今後のことを考えるとDEAPの方がよいと思いドキュメントを読んだが浅学非才かつ必要に迫られていない私には読む気力が無かった。止めようかと思い始めたが「集合知プログラミング」にPythonで書かれた遺伝アルゴリズムに関する話が書いてあることを思い出した。
集合知プログラミング

集合知プログラミング

以下は第五章で紹介された内容に沿って函数を加筆修正したものを掲載してみる。

import random

def eval_func(solution_list):
    """
    遺伝子リストから何かを評価する
    すべて君の腕に掛かっている!!!
    """
    return sum([value * pow(-1,ind) for (ind,value) in enumerate(solution_list)])

def geneticoptimize(domain,costf,maximize=False,popsize=50,step=1, mutprob=0.2,elite=0.2,maxiter=100):
    """
    domain : 変数の領域 
例えば [(0,100)]*10 とすると0から100の10変数のリストで行う
    costf : 評価函数 ここが肝
    maximize : Trueにすると最大化 デフォルトは最小化
    popsize : 遺伝子の個数 デフォルトは50
    step : 突然変異の変化量 デフォルトは1
    mutprob : 突然変異の確率 デフォルトは0.2
    elite : 生き残る遺伝子の割合 デフォルトは0.2
    maxiter : 繰り返し回数 デフォルトは100
    """
    # 突然変異
    def mutate(vec):
        i = random.SystemRandom().randint(0,len(domain)-1)
        mut = random.SystemRandom().choice(range(1,step + 1))
        if random.SystemRandom().random() < 0.5 and (vec[i] - mut) > domain[i][0]:
            return vec[0:i] + [vec[i] - mut] + vec[i+1:]
        elif (vec[i] + mut) < domain[i][1]:
            return vec[0:i] + [vec[i] + mut] + vec[i+1:]
        else:
            return vec

    # 1点交叉 非推奨
    def one_point_crossover(r1,r2):
        i = random.SystemRandom().randint(1,len(domain)-2)
        
        return random.SystemRandom().choice((r1[0:i] + r2[i:], r2[0:i] + r1[i:]))

    # 2点交叉
    def two_point_crossover(r1,r2):
        i, j = sorted(random.SystemRandom().sample(range(len(domain)),2))
        return random.SystemRandom().choice((r1[0:i] + r2[i:j] + r1[j:] , r2[0:i] + r1[i:j] + r2[j:]))

    # 一様交叉
    def uniform_crossover(r1, r2):
        q1 = r1.copy()
        q2 = r2.copy()
        for i in range(len(r1)):
            if random.SystemRandom().random() < 0.5:
                q1[i], q2[i] = q2[i], q1[i]
        
        return random.SystemRandom().choice([q1,q2])

    # 初期遺伝子プールの作成
    pop=[]
    for i in range(popsize):
        vec = [random.SystemRandom().randint(domain[i][0],domain[i][1]) for i in range(len(domain))]
        pop.append(vec)

    # 生き残る遺伝子の個数
    topelite = int(elite * popsize)

    # 交叉アルゴリズムの選択
    #crossover = two_point_crossover
    crossover = uniform_crossover

    # Main loop
    for i in range(maxiter):
        scores=[(costf(v),v) for v in pop]
        scores.sort()
        if maximize:
            scores.reverse()
        ranked = [v for (s,v) in scores]

        # 弱い遺伝子は淘汰される
        pop = ranked[0:topelite]

        # 生き残った遺伝子同士で交叉したり突然変異したり
        while len(pop) < popsize:
            if random.SystemRandom().random() < mutprob:
                # 突然変異
                c = random.SystemRandom().randint(0,topelite)
                pop.append(mutate(ranked[c]))

            else:
                # 交叉
                c1 = random.SystemRandom().randint(0,topelite)
                c2 = random.SystemRandom().randint(0,topelite)
                pop.append(crossover(ranked[c1],ranked[c2]))
        # 暫定の値を出力
        #print(scores[0][0])
        print(scores[0])

    return scores[0]

# 実行
domain = [(0,100)]*10
ans = geneticoptimize(domain, eval_func, maximize=True,
                    popsize=50,step=1, mutprob=0.2,elite=0.3,maxiter=100)
print("Ans:",ans)       

交叉アルゴリズムの選択は引数で行うべきだし、選択アルゴリズムはエリート主義(評価函数の値が高いものを選ぶ)のみ、遺伝子はリストのみ対応…など内容もコーディングもイマイチであるがとりあえず動く。