Question

我正在尝试执行解决python中的优化问题的方法。至此，我已经对Scipy熟悉了，但是我无法在具有唯一整数值的约束下正确使用它。

下面的示例可能更适合mlrose标签。

总的来说，我正在尝试创建一个瑞士配对，我看过几篇文章，其中一篇建议使用“惩罚矩阵”，以尽量减少惩罚。这是我所做的：

import mlrose
import numpy as np

# Create Penalty Matrix
x = np.round(np.random.rand(8,8)*50)
z = np.eye(8, dtype=int)*100 + x

print(z)
# fitness problem given a penalty matrix and an order
def pairing_fittness(order, panalty):
  print(order)
  order = np.array(order)
  a = np.bincount(order)
  order = order.reshape(-1, 2)
  PF = 0
  for pair in order:
    print("{}, {}: {}".format(pair[0],pair[1], panalty[pair[0],pair[1]]))
    PF = PF + panalty[pair[0],pair[1]]
  print("Real PF: ",PF)
  print("order penalty: {}".format((np.max(a) - 1) * 1000))
  return (PF + (np.max(a) - 1) * 1000)

尝试解决的问题之一是创建一个具有唯一值的数组（同一玩家不能在同一回合中玩两次），这就是为什么重复值较高（1000）的原因

kwargs = {'panalty': z}

fitness_cust_problem_fun = mlrose.CustomFitness(pairing_fittness, **kwargs)
problem = mlrose.DiscreteOpt(length = 8,
                             fitness_fn = fitness_cust_problem_fun,
                             maximize = False,
                             max_val = 8,
                            )

best_state, best_fitness = mlrose.simulated_annealing(
    problem,
    max_attempts = 300,
     max_iters = 100000,
    random_state = 1)

print(best_state)
print(best_fitness)

无论我做什么，使用6个以上的变量都无法找到用于优化它的唯一值数组。虽然我可以在Excel中做到（Solver> Evolutionary）。

我正在寻找一个更好的工具（我使用scipy.optimize，但我不确定它是否适用于整数问题，因为我用mlrose获得了更好的结果）或关于如何改善我的优化问题的建议，可解决的。

尝试使用python

0 个答案: