使用纸浆库的遗传优化器

Question

是否可以通过Pypi遗传算法库使用pulp库创建决策变量并编写适应度函数和惩罚来解决线性问题？我已经这样做了，但似乎没有产生正确的答案。他们互相支持吗？

Answer 1

没有。这是不可能的！

一般来说，您可以假设数学优化中的每个建模和求解器工具都假设它在实例化/触发后完全控制一切。外部干扰（没有API）永远是被禁止的！

虽然有创建 math-opt / metaheuristic=gen-prog 混合体的方法，但这些是：

• 极其复杂
• 组件之间需要仔细沟通
  • 例如math-opt 组件中的插件系统：例如参见 SCIP Plugin API（可能是最可配置的 math-opt 求解器）
• 通常需要数月的努力

由于数学优化的复杂性，要表达为什么该方法是不可能的并不容易，但只有两个简单的评论：

• pulp（据我所知）甚至不允许您在搜索过程中注入原始可行的解决方案（更不用说检查非保证的原始可行的解决方案）
  • 可能需要类似的东西
• 纸浆选择的后端求解器通常会删除大量变量，并可能严重重写您的问题
  • 如果没有准确的（例如插件 API）通信，外部组件可能会想要对甚至不存在的变量做一些事情

---

请记住，事情比这要严格得多： 人们经常在建模期间（我们称之为编译时）在数学选择实体（例如变量）上使用 Python 原生

if

或

max

函数期望它在求解/搜索期间执行某些操作（我们称之为运行时）。

出于同样的原因，这也是错误的并且因为这些东西（对于纸浆和公司来说是未知的）在 math-opt 工具甚至看到它之前就被 python 急切地评估了！