global-meth-package 0.1.0

Библиотека, содержащая пять методов глобальной оптимизации: метод ветвей и границ, сеточный поиск, метод Монте-Карло, имитация отжига, генетический алгоритм.

Global_Meth_Package

Global_meth_Package — это Python-библиотека, реализующая популярные методы глобальной оптимизации, такие как:

• Метод ветвей и границ
• Сеточный поиск
• Метод Монте-Карло
• Имитация отжига
• Генетический алгоритм

Библиотека создана в учебно-исследовательских целях, легко расширяема, адаптирована под общее API.

Установка

Установить из PyPI:

pip install milka-opt

Или локально из исходников:

git clone https://github.com/milka-bulka/global_meth_package.git
cd global_meth_package
pip install .

Структура проекта

global_meth_package/
│
├── branch_and_bound.py       # Метод ветвей и границ
├── grid_search.py            # Сеточный поиск
├── monte_carlo.py            # Метод Монте-Карло
├── simulated_annealing.py    # Имитация отжига
├── genetic_algorithm.py      # Генетический алгоритм
├── utils.py                  # Тестовые функции
├── __init__.py               # Объединение методов в единый API
│
tests/
├── test_branch_and_bound.py
├── test_grid_search.py
├── test_monte_carlo.py
├── test_simulated_annealing.py
├── test_genetic_algorithm.py
│
pyproject.toml                # Настройки проекта
README.md                     # Документация

Использование

Пример использования метода Монте-Карло:

from global_meth_package.monte_carlo import monte_carlo
from global_meth_package.utils import rastrigin

bounds = [(-5.12, 5.12)] * 3  # 3 переменные
x, fx = monte_carlo(rastrigin, bounds)
print("Приближённый глобальный минимум найден в точке:", x)
print("Значение функции в этой точке:", fx)

Тестирование

Тесты написаны с использованием pytest.

Запуск всех тестов:

pytest tests/

Реализованные методы

Метод	Модуль	Аргументы по умолчанию
Ветвей и границ	branch_and_bound()	max_iter=500, eps=1e-5, L=10.0
Сеточный поиск	grid_search()	grid_size=30
Монте-Карло	monte_carlo()	max_iter=10000, seed=None
Имитация отжига	simulated_annealing()	max_iter=10000, T_start=1000, alpha=0.995
Генетический алгоритм	genetic_algorithm()	population_size=30, generations=100

Поддерживаемые функции

from global_meth_package.utils import rastrigin, rosenbrock, booth

• rastrigin(x) — функция Растригина
• booth(x) — функция Бута
• rosenbrock(x) — функция Розенброка

Лицензия

MIT License

Автор

milka_bulka
GitHub: milka-bulka

Публикация на PyPI

Сборка и публикация:

python -m build
twine upload dist/*

(не забудьте настроить .pypirc для удобства)

Обратная связь

Если вы нашли ошибку или хотите предложить улучшение — создайте issue или pull request.