mlo-optimizer 1.0.0

No project description provided

Matrix Optimization of Object Locations

Описание

Библиотека mlo-optimizer содержит класс-оптимизатор для решения разного рода задач на подбор оптимального расположения объектов в матрицах

Примеры таких задач:

• подбор оптимальной раскладки клавиатуры
• задача составления расписания
• поиск оптимальных маршрутов в графах

Преимущества

Для решения задачи достаточно только реализовать целевую функцию, получающую на вход индивида и возвращающую оценку приспособленности для данного индивида

В оптимизаторе реализован генетический алгоритм со всеми необходимыми компонентами:

• создание случайного индивида
• скрещивание (упорядоченное скрещивание)
• мутация (мутация перестановкой)
• отбор (турнирный)
• элитизм

Индивиды могут иметь любую размерность (вектор, матрица, 3-х мерные тензоры и т.д)

Для решения задач элементы можно разделать на 2 множества:

1. Множество учитываемых элементов (учитываются в целевой функции)
2. Множество переставляемых элементов (меняют матричные положения в скрещивании и мутации)

Для задач подбора оптимальных раскладок реализован пайплайн, решающий данную задачу (см. раздел 'Подбор оптимальной раскладки')

Установка

pip install mlo-optimizer

Использование

Все действия происходят из класса Optimizer

from mlo_optimizer.optimizer import Optimizer

Создаем экземпляр класса с некоторыми обязательными значениями

optimizer = Optimizer(
    init_matrix,
    counted_elems,
    permutable_elems,
    fitness_func,
)

init_matrix - начальная матрица с любыми элементами, например:

[
    ['inv', 'lang', None, None, None, None, '?123'],
    ['settings', None, None, None, None, None, 'backspace'],
    ['inv', None, None, None, None, None, None],
    [None, None, None, 'space', None, None, 'enter'],
    ['inv', None, None, None, None, None, None],
    ['move', None, None, None, None, None, 'capslock'],
    ['inv', 'exit', None, None, None, None, 'shift'],
]

Места None займут элементы из permutable_elems

counted_elems - учитываемые элементы, например:

['a', 'b', 'c', 'd', 'e', 'f', 'space', 'enter']

permutable_elems - переставляемые элементы, например:

['a', 'b', 'c', 'd', 'e', 'f']

fitness_func - целевая функция, получающая на вход матрицу-индивида и возвращающую кортеж из оценок приспособленности, например:

def test_fitness_func(individual):
    if individual[0][0] == 'a':
        return (2.5,)
    return (-2.5,)

Также можно прописать именованные аргументы в fitness_func_kwargs

В конце выполняем оптимизацию

best_matrix = optimizer.optimize()

Подбор оптимальной раскладки

Для задач из этой области можно использовать отдельный пайплайн, который состоит из нескольких шагов:

1. Создание оптимизатора
2. Вычисление весов биграмм
3. Запуск оптимизатора

Первым делом создаем оптимизатор

optimizer = Optimizer(
        INIT_HEX_KEYBOARD,
        EN_COUNTED_ELEMS,
        EN_PERMUTABLE_ELEMS,
        fitness_func='square',
)

Для этой задачи возможно получить решения для клавиатур с квадратными клавишами (fitness_func='square') и с гексагональными (fitness_func='hex')

Также можно указать размеры клавиш с помощью следующих параметров:

• a_s (по-умолчанию 0.5): половина стороны квадратной клавиши
• a_h (по-умолчанию 0.537634): расстояние от середины гексагональной клавиши до середины ее стороны
• b_h (по-умолчанию 0.930605): расстояния от середины гексагональной клавиши до середины стороны нижестоящей клавиши

Далее запускаем fit_bigrams с указанием пути до папки с файлами формата .txt. Это необходимо для оценки важности близкого расположения одних пар клавиш по отношению к другим

lang_base_part = '../data/en/'

optimizer.fit_bigrams(lang_base_part)

И оптимизируем

best_matrix = optimizer.optimize()

Параметры

При создании экземпляра класса Optimizer можно прописать следующие параметры:

• minimization (по-умолчанию True): минимизация или максимизация оценки приспособленности
• population_size (по-умолчанию 50): размер популяции в одном поколении
• max_generation (по умолчанию 50): максимальное количество поколений
• p_crossover (по-умолчанию 0.9): вероятность скрещивания
• p_mutation (по-умолчанию 0.2): вероятность мутации
• tourn_size (по-умолчанию 3): размер выборки для турнирного отбора
• hall_of_fame_size (по-умолчанию 1): количество лучших индивидов, полученных после завершения оптимизации

Лицензия

Прям тут: LICENSE