deag

项目介绍

Distributed Evolutionary Algorithms in Golang

An Implement of deap (https://github.com/DEAP/deap) which full name is "Distributed Evolutionary Algorithms in Python"

借鉴deap(https://github.com/DEAP/deap)和evo(https://github.com/cbarrick/evo)，编写的一个Golang下的进化计算框架

本项目还在初级阶段，希望有兴趣的人参与完善

软件架构

软件架构说明

deag
|-algorithms        // 采用deag实现的算法
|  |-de             // 差分进化算法
|  |-pso            // 粒子群算法
├─base              // 基础结构
├─benchmarks        // 基准函数
├─tools             // 工具
|  |-constraint     // 约束
│  ├─crossover      // 常用交叉操作
|  |-emo            // 多目标操作(目前只有NSGA2的选择)
│  ├─inits          // 常用初始化操作
│  ├─mutation       // 常用变异操作
│  ├─selection      // 常用选择操作
│  └─support        // 常用辅助结构，如统计量等
└─utility           // 用到的辅助函数

安装教程

1. 本项目暂时还没打算使用任何第三方库，计划是核心功能可以不使用第三方库，但允许用户使用第三方库加强其功能

使用说明

1. 无

项目

Golang作为强类型的静态编译性语言，加上Golang的语法糖不多，因此无法做到很多Python等语言的“骚操作”，所以虽然借鉴了deap，但是还是无法实现很多deap中功能。 另一方面，由于考虑到框架的效率问题，deap中的一些功能虽然可以借鉴interface{}或者reflection等方式实现，但是还是没有选择使用这些方式实现。

实际上golang下也有进化计算框架，如evo，但是看了一下这个框架的大体结构以后，我还是希望能实现一个不同的框架，最好能够兼容多目标算法，因此借鉴deap对多目标问题的处理。

本项目由于是使用Golang实现的，因此计划引入一些Golang的强项特性，如goroutine等，但计划在基础功能实现完以后再加入

目前借鉴了deap的设计

以上结构除了适应值是结构体以外，个体、统计量和记录都是借口，同时也给出了一个默认的实现(以Default命名开头)，其中默认实现为deap的实现，这样设计的目的一是使得整个项目更像一个工程，二是抽象出每一个结构应该实现的功能，三是使得用户可以有自己的实现。

移植了deap中的功能模块

TODO

这里只写完成基本功能，详细功能需要基本功能能用以后再实现

1. 结合goroutine实现并发
2. 完善注释