Получить журнал эволюции из архипелага Пигмо - PullRequest
0 голосов
/ 03 октября 2018

Вопрос довольно простой и, возможно, глупый, но здесь мы идем:

как здесь (https://esa.github.io/pagmo2/docs/python/algorithms/py_algorithms.html)
если вы эволюционируете одну популяцию, вы можете получить журнал вашего algo.evolve () вызовите следующим образом:

from pygmo import *
algo = algorithm(de1220(gen = 500))
algo.set_verbosity(100)
prob = problem(rosenbrock(10))
pop = population(prob, 20)
pop = algo.evolve(pop) 
uda = algo.extract(de1220)
uda.get_log() 
[(1, 20, 285652.7928977573, 0.551350234239449, 0.4415510963067054, 16, 43.97185788345982, 2023791.5123259544), ...

Если вы используете силу Pygmo для распараллеливания эволюции, используя архипелаг, вы сделаете что-то вроде:

archi = archipelago(n = 8, algo = algo, prob = rosenbrock(5), pop_size = 10, seed = 32)
archi.evolve()

Однако на архипелаге нет выдержки() метод (как это делают алгоритмы), ни get_algorithm (), ни один (как это делают островки), ни что-либо еще достаточно очевидное в документации (по крайней мере для меня), которое сделало бы эту работу ...

archi.extract(de1220)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'archipelago' object has no attribute 'extract'


archi.get_algorithm()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'archipelago' object has no attribute 'get_algorithm'

Итак, как мне получить вывод algo.set_verbosity(100) в файл, а не только на стандартный вывод?
И, как только здесь, есть способ организовать его по островам, а не чередовать, как это напечатанона стандартный вывод?
(я получаю, что во время работы каждый остров печатает отчет при достижении триггера подачи, но если все сохранено, его можно отсортировать)

Спасибо!

1 Ответ

0 голосов
/ 11 октября 2018

Довольно плохо задокументировано, я потратил на это довольно много времени ...
Я не уверен, что это лучший / правильный / более быстрый способ сделать это, но работает:

  1. Оказывается (и нигде нет в документах), что вы можете перебирать острова архипелага с простым циклом for.
  2. Далее, цепочка метода .get_algorithm () для островов и .extract ()Методом алгоритма можно извлечь журнал вашего пробега острова по островам.Немного веселья с numpy / pandas, и все это получается в приличном понятном формате.

по кодам:

# set up a dummy archipelago
algo = algorithm(de1220(gen = 50))
algo.set_verbosity(25)
prob = problem(rosenbrock(10))
archi = pg.archipelago(n=5,algo=algo, prob=prob, pop_size=10)

# evolve the archipelago
archi.evolve()
archi.wait()

# set up df
tot_df = pd.DataFrame(columns = ["Gen", "F.evals.", "Best fit", "mutation", "crossing over", "Variant", "dx", "df", "island_#"])

# here's the 'magic'
for i, island in enumerate(archi): # iterate through islands
   a = island.get_algorithm()      # get algorithm from island
   uda = a.extract(de1220)         # extract algorithm from algorithm object
   log = uda.get_log()             # get the log. Comes as list of tuples

   # reshape log
   df = pd.DataFrame(np.asarray(log), columns = ["Gen", "F.evals.", "Best fit","mutation", "crossing over", "Variant", "dx", "df"])
   df["island_#"] = i              # add island ID
   tot_df = pd.concat([tot_df,df], axis='index', ignore_index=True) # merge with total df

tot_df.head(10)

   Gen  F.evals.       Best fit  mutation  crossing over  Variant         dx  \
0   1.0      10.0  345333.467771  0.789858       0.816435     13.0  39.714168   
1  26.0     260.0    1999.841182  0.164231       0.212773     13.0  17.472183   
2   1.0      10.0   78311.447221  0.789858       0.816435     13.0  52.486000   
3  26.0     260.0    5487.221927  0.265201       0.293801     13.0  18.667831   
4   1.0      10.0  232299.337923  0.789858       0.816435     13.0  82.268328   
5  26.0     260.0    1428.355411  0.125830       0.849527     13.0  23.221746   
6   1.0      10.0   52560.966403  0.789858       0.816435     13.0  21.125350   
7  26.0     260.0     368.076713  0.379755       0.896231      3.0  19.487683   
8   1.0      10.0  147318.705997  0.821884       0.527160      2.0  42.190744   
9  26.0     260.0    1869.989020  0.326712       0.924639     16.0  19.501904   

             df island_#  
0  1.912363e+06        0  
1  8.641547e+03        0  
2  1.148887e+06        1  
3  4.478749e+04        1  
4  1.952969e+06        2  
5  3.955732e+04        2  
6  1.345214e+06        3  
7  4.682571e+04        3  
8  1.114900e+06        4  
9  5.839716e+04        4   

Я надеюсь, что это сэкономит кому-то время в ожиданииобновление в документах ...

...