sgap
index
/Users/levys/sueap/python/sgap.py

SGAP Simple Genetic Algorithm in Parallel
 
This code  should be used with populations each of whose members implements the
following methods:
    
   fitness                - returns fitness of member as a list
 
   mutate(mu, gen, ngen)  - returns copy of the member mutated with proability 
                            or factor mu, where mu is optionally scaled in 
                            rellation to current generation gen and total number 
                            of generations ngen
 
   crossover(other)       - returns a "child" object made by crossing over this 
                            member with another

 
Modules
       
numutils

 
Classes
       
sueap.SuEAP
SGAP

 
class SGAP(sueap.SuEAP)
     Methods defined here:
__init__(self, pc, mu, elit=0, seed=None)
update(self, pop, fits, gen, ngen)
# Implements abstract update method of SuEAP parent class.  Returns new
# population.

Methods inherited from sueap.SuEAP:
__repr__(self)
# Representation method reports random-number seed, if any.
newpop(self, classname, popsize, data=None)
# Builds initial population.  
#
#   newpop(classname, popsize, [options]) returns a <popsize>-length 
#  (randomly) initialized list of structures built by function name 
#  <classname>.
#
#   Options are:
#    
#     data - data passed into the contstructor for <classname>

#        Note that this option initializes all objects to have the same
#        data contents.  If you want separate data for each object, you
#        should skip newpop and create each object yourself.
plot(self, fits, gen, ngen)
# Plots fitnesses in two dimension.
plot_fits(self, fits, style='b+')
# Plots first two dimensions of fitnesses in a single style.  Fitnesses \
# should be normalized to interval [0,1].
post_plot(self)
# Do post-plot operations
pre_plot(self, gen, ngen)
# Prepares for plotting.
run(self, pop, ngen, pobj=None, init=None, haltfun=None, savegen=None, savename=None)
# Runs the subclassed genetic algorithm on the population for a specified
# number of generations, calling the update method of the implementing 
# class.  Returns new population.
#
run(pop, ngen, [options])
#
#   Options are:
#
#     pobj - parallelization object
#
#     init - initial data to pass to fitness method of population members
#
#     haltfun - halting function
#
#     savegen - period (in generations) at which to save population to disk

#     savename - name of file for saving population