README

遗传算法是一类机器学习方法，它使用自然选择的原则，而不是求解数学公式来寻找优化和搜索类型问题的解决方案。它们在复杂情况下特别有效，这些情况下不容易“解决”，并且通常可以用作比神经网络更容易理解的替代方案。

此框架负责处理开发和管理遗传算法所需的多数步骤（循环），只留下定义您期望的解决方案的形状和一个评估每个候选者（以促进比较并因此向最优解迈进）的函数。

安装

您可以通过composer安装此包。

composer require phpexperts/php-evolver

用法

构建和寻找解决方案

首先创建一个类，该类定义了待解决问题的一般解决方案。该类必须扩展此包的Solution类，这将强制实现两个方法：genome()，它定义了有效解决方案的形状，以及evaluate()，它将计算一个数值，该数值可用于比较解决方案。

use PHPExperts\GAO\Solution;

class MySolution extends Solution
{
    public function genome()
    {
        return [
            ['char', 'ABC'],
            ['float', 0, 1], // upper and lower bounds
            ['integer', -100, 100],
        ];
    }

    public function evaluate($data = null)
    {
        // The smaller the fitness value, the better.
        $this->fitness = (ord($this->chromosomes[0]) + $this->chromosomes[2]) / $this->chromosomes[1];
    }
}

然后实例化和运行优化器，创建一个可能的解决方案初始种群以开始其评估。

$optimiser = new Breeder(new Population(MySolution::class, 100));
$optimiser->run();
foreach ($optimiser->results as $solution) {
    print_r($solution->summary());
}

数据管理器

尽管某些用例可能不需要很多数据来评估候选解决方案，但其他用例可能需要天文数字量的数据。这可能是金融市场中寻求交易策略的情况，候选者将根据许多不同证券的价格演变进行评估，或者在体育交易市场中，可能的策略将根据数千个事件赔率的变化进行评估。

DataManager类提供了优化以帮助这些挑战的实用程序。以下是它能够执行的一些操作

$dm = new DataManager();

// loads all files (assumed to be in CSV format) from given directory into an collection
$data = $dm->loadCsvDir('path/to/directory');

// PHP is really slow importing data into arrays - so once done, save the results (as json)
$dm->save('path/to/output/file', $data);

// It can be reloaded later from a json file in a tiny fraction of the time taken by the initial import
$data = $dm->load('path/to/output/file');

// to ensure our solutions works on data not seen during training, we may set aside some data (20% below) just for testing
list($trainingData, $testingData) = $dm->split($data, 0.2);

PHP在构建数组时也很“贪婪”于内存。如果您遇到内存不足的错误，以下可能有助于

$dm->setMemoryLimit('1G'); // increases memory for the current process only, accepts values in M or G e.g. 512M or 2Gs

测试

composer test

变更日志

有关最近更改的更多信息，请参阅CHANGELOG。

贡献

有关详细信息，请参阅CONTRIBUTING。

安全

如果您发现任何安全相关的问题，请通过电子邮件peterdcoles@gmail.com报告，而不是使用问题跟踪器。我对安全问题非常重视，并将欢迎并迅速回应您的反馈。

致谢

从https://github.com/ptercoles/genetic-algorithm-optimiser分支

• Theodore R. Smith
• Peter Coles
• 所有贡献者

许可证

MIT许可证（MIT）。有关更多信息，请参阅许可证文件。