10 个版本
0.2.2 | 2021年2月22日 |
---|---|
0.2.1 | 2021年2月22日 |
0.1.6 | 2021年2月13日 |
#931 in 数学
每月 35 次下载
6MB
770 代码行
关于
这是 Cognitively-Inspired Simulated Annealing Teams (CISAT) 框架在 Rust 中的实现。
这是一个不完整的实现。CISAT 特性的进展包括
- 多机构
- 有机交互时机
- 基于质量的解决方案共享
- 质量偏差减少
- 自我偏差
- 操作学习
- 局部敏感搜索
- 满意求解
使用方法
以下是一个基本的使用示例
use cisat::{Cohort, Parameters, problems::Ackley};
fn main() {
let mut x = Cohort::<Ackley>::new(Parameters::default());
x.solve();
println!("{:?}", x);
}
您还可以使用 Solution
、AgentMethods
和 TeamMethods
特性分别实现新的问题、代理和团队类型。这允许在基本的 CISAT 结构内提供很大的灵活性。
文献
CISAT 的某些方面已在多个地方发表。您可以在此处了解更多信息
- McComb, C., Cagan, J., & Kotovsky, K. (2015). Lifting the Veil: Drawing insights about design teams from a cognitively-inspired computational model. Design Studies, 40, 119-142. doi:10.1016/j.destud.2015.06.005. PDF
- McComb, C., Cagan, J., & Kotovsky, K. (2016). Drawing inspiration from human design teams for better search and optimization: The heterogeneous simulated annealing teams algorithm. Journal of Mechanical Design, 138(4). doi:10.1115/1.4032810. PDF
- McComb, C., Cagan, J., & Kotovsky, K. (2017). Capturing human sequence-learning abilities in configuration design tasks through markov chains. Journal of Mechanical Design, 139(9). doi:10.1115/1.4037185. PDF
- McComb, C., Cagan, J., & Kotovsky, K. (2017). Optimizing design teams based on problem properties: computational team simulations and an applied empirical test. Journal of Mechanical Design, 139(4). doi:10.1115/1.4035793. PDF
依赖项
~12–21MB
~288K SLoC