from?pprint?import?pprint
from?matplotlib?import?pyplot?as?plt

import?numpy?as?np


class?GSA:
????def?__init__（self?pop_size=1?dimension=1?max_iter=100）:
????????self.cost_func?=?None

????????self.alpha?=?0.1
????????self.G?=?0.9
????????self.max_iter?=?max_iter
????????self.pop_size?=?pop_size
????????self.dimension?=?dimension
????????self.best_so_far?=?None

????????self.X?=?np.random.rand（pop_size?dimension）
????????self.V?=?np.random.rand（pop_size?dimension）
????????self.f?=?np.full（（pop_size?dimension）?None）??#?None??#?Will?become?a?list?inside?cal_f
????????self.a?=?np.full（（pop_size?dimension）?None）
????????self.q?=?np.full（（pop_size?1）?None）
????????self.M?=?np.full（（pop_size?1）?None）
????????self.cost_matrix?=?np.full（（pop_size?1）?None）

????#?Evaluate?a?single?x?（x_i）
????def?evaluate（self?args）:
????????return?self.cost_func（args）

????#?Generate?the?cost?of?all?particles
????def?gen_cost_matrix（self）:
????????for?i?x?in?enumerate（self.X）:
????????????self.cost_matrix[i]?=?self.evaluate（x）

????def?cal_q（self）:

????????best?=?np.min（self.cost_matrix）
????????worst?=?np.max（self.cost_matrix）

????????self.q?=?（self.cost_matrix?-?worst）?/?best?-?worst

????def?cal_m（self）:
????????self.M?=?self.q?/?np.sum（self.q）

????def?cal_f（self）:
????????costs?=?self.cost_matrix.copy（）
????????costs.sort（axis=0）
????????costs?=?costs

????????for?i?in?range（self.pop_size）:
????????????f?=?None
????????????for?cost?in?costs:
????????????????j?=?int（np.where（self.cost_matrix?==?cost）[0]）

????????????????dividend?=?float（self.M[i]?*?self.M[j]）
????????????????divisor?=?np.sqrt（np.sum（（self.X[i]?-?self.X[j]）?**?2））?+?np.finfo（‘float‘）.eps
????????????????if?f?is?None:
????????????????????f?=?self.G?*?（dividend?/?divisor）?*?（self.X[j]?-?self.X[i]）
????????????????else:
????????????????????f?=?f?+?self.G?*?（dividend?/?divisor）?*?（self.X[j]?-?self.X[i]）

????????????self.f[i]?=?np.random.uniform（0?1）?*?f

????def?cal_a（self）:
????????for?i?in?range（self.pop_size）:
????????????self.a[i]?=?self.f[i]?/?self.M[i]

????def?cal_v（self）:
????????self.V?=?（np.random.uniform（0?1）?*?self.V）?+?self.a

????def?move（self）:
????????self.X?=?self.X?+?self.V

????def?update_g（self?iteration）:
????????self.G?=?self.G?*?np.e?**?（-?self.alpha?*?（iteration?/?self.max_iter））

????def?show_results（self）:
????????print（‘Best?seen?so?far?is?located?at:‘?self.best_so_far?‘Cost:‘?self.evaluate（self.best_so_far））

????def?update_best_so_far（self）:
????????best?=?np.min（self.cost_matrix）
????????index?=?int（np.where（self.cost_matrix?==?best）[0]）
????????if?self.best_so_far?is?None?or?self.evaluate（self.best_so_far）?>?self.evaluate（self.X[index]）:
????????????self.best_so_far?=?self.X[index]

????def?start（self）:
????????_iter?=?0
????????avg?=?[]
????????bsf?=?[]
????????while?_iter?????????????self.gen_cost_matrix（）
????????????self.cal_q（）
????????????self.cal_m（）
????????????self.update_g（_iter）
????????????self.cal_f（）
????????????sel

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2019-01-23?11:53??GSA-master\
?????文件????????3743??2019-01-23?11:53??GSA-master\GSA.py
?????文件???????35149??2019-01-23?11:53??GSA-master\LICENSE
?????文件??????????52??2019-01-23?11:53??GSA-master\README.md