智能优化算法——遗传算法[1]，2024最新Python中级面试题目汇总解答_np问题2024

#=结合/交叉过程===========

def crossover(parent1, parent2):

child1, child2 = indivdual(), indivdual()#父亲，母亲初始化

child1.x = 0.9 * parent1.x + 0.1 * parent2.x #交叉0.9,0.1，可以设置其他系数

child2.x = 0.1 * parent1.x + 0.9 * parent2.x

child1.fitness = fitness(child1.x)#子1适应度函数值

child2.fitness = fitness(child2.x)#子2适应度函数值

return child1, child2

#=变异过程======

def mutation(pop):

种群中随机选择一个进行变异

ind = np.random.choice(pop)

用随机赋值的方式进行变异

ind.x = np.random.uniform(-10, 10)

ind.fitness = fitness(ind.x)

#最终执行=====

def implement():

#=种群中个体数量==

N = 40

种群

POP = []

迭代次数

iter_N = 400

初始化种群

initPopulation(POP, N)

#进化过程==

for it in range(iter_N):#遍历每一代

a, b = selection(N)#随机选择两个个体

if np.random.random() < 0.65: # 以0.65的概率进行交叉结合

child1, child2 = crossover(POP[a], POP[b])

new = sorted([POP[a], POP[b], child1, child2], key=lambda ind: ind.fitness, reverse=True)#将父母亲和子代进行比较，保留最好的两个

POP[a], POP[b] = new[0], new[1]

if np.random.random() < 0.1: # 以0.1的概率进行变异

mutation(POP)

POP.sort(key=lambda ind: ind.fitness, reverse=True)

return POP

if name ==‘main’:

POP = implement()

#=绘图代码======

def func(x):

return x + 16 * np.sin(5 * x) + 10 * np.cos(4 * x)

x = np.linspace(-10, 10, 100000)

y = func(x)

scatter_x = np.array([ind.x for ind in POP])

scatter_y = np.array([ind.fitness for ind in POP])

best=sorted(POP,key=lambda POP:POP.fitness,reverse=True)[0]#最佳点

print(‘best_x’,best.x)

print(‘best_y’,best.fitness)

plt.plot(x, y)

#plt.scatter(scatter_x, scatter_y, c=‘r’)

plt.scatter(best.x,best.fitness,c=‘g’,label=‘best point’)

plt.legend()

plt.show()

结果：

best_x 7.821235839598371

best_y 33.52159669619314

3.2 遗传算法包sko.GA

---

3.2.1 案例1

#=导入相关库===

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

from sko.GA import GA

#=目标函数====

def fun§:

#该函数具有大量的局部极小值，具有强冲击值为0的（0,0）处的全局最小值

#GA要求输入维度2维及其以上，所以我传入2个参数x1,x2

x1, x2 = p

x = np.square(x1) + np.square(x2)

return 0.5 + (np.square(np.sin(x)) - 0.5) / np.square(1 + 0.001 * x)

#=调用遗传算法工具箱====

ga = GA(func=fun, n_dim=2, size_pop=50, max_iter=800, prob_mut=0.001, lb=[-1, -1], ub=[1, 1], precision=1e-7)

best_x, best_y = ga.run()

print(‘best_x:’, best_x, ‘\n’, ‘best_y:’, best_y)

#可视化=======

Y_history = pd.DataFrame(ga.all_history_Y)

fig, ax = plt.subplots(2, 1)

ax[0].plot(Y_history.index, Y_history.values, marker=‘.’, color=‘red’)

Y_history.min(axis=1).cummin().plot(kind=‘line’)

plt.show()

结果：

best_x: [-2.98023233e-08 8.94069698e-08]

best_y: [0.]

3.2.2 案例2

与源代码进行比较：

#导入相关包===

import numpy as np

import matplotlib.pyplot as plt

from sko.GA import GA #遗传算法工具包

#=适应度函数,求取最大值=

#因为GA函数是求最小值，所以我在适应度函数上加一个负号

#GA要求输入维度2维及其以上，所以我传入2个参数，第二维x2不用

def fitness(x):

x1, x2 = x

#x1=x

return -(x1 + 16 * np.sin(5 * x1) + 10 * np.cos(4 * x1))

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

---

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数初中级Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python爬虫全套学习资料》送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频

如果你觉得这些内容对你有帮助，可以添加下面V无偿领取！（备注：python）

小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数初中级Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python爬虫全套学习资料》送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频

如果你觉得这些内容对你有帮助，可以添加下面V无偿领取！（备注：python）
[外链图片转存中…(img-caC9qPFR-1711019066919)]