darwin-rs

这个库允许你使用Rust编程语言编写进化算法（EA）。

由Willi Kappler编写，许可证：MIT - 版本0.4 (2017.06.26)

文档： darwin-rs

示例文件夹包含以下示例

• TSP（旅行商问题）：进化算法的经典问题类型（见上面两张图片）。
• 数独：使用EA的数独求解器。
• 皇后：使用EA解决皇后问题。虽然不如这个快 ;-)
• OCR：一个简单的光学字符识别示例。在图像缓冲区上使用真型字体绘制（渲染）两个字符串，然后找到表示绘制的文本的完美匹配。

darwin-rs使用语义版本化

用法

将以下内容添加到您的项目中的Cargo.toml

[dependencies]
darwin-rs = "0.4"

并在您的应用程序的Rust源代码中添加以下内容

extern crate darwin_rs;

use darwin_rs::{Individual, SimulationBuilder, Population, PopulationBuilder, SimError};

基本上，您必须为您的数据结构实现Individual特质

#[derive(Debug, Clone)]
struct MyStruct {
    text: String
}

impl Individual for MyStruct {
    fn mutate(&mut self) {
        // Mutate the struct here.
        ...
    }

    fn calculate_fitness(&mut self) -> f64 {
        // Calculate how good the data values are compared to the perfect solution
        ...
    }

    fn reset(&mut self) {
      // Resets all the data for this individual instance.
      // This is done to avoid getting stuck in a local minimum.
      ...
    }
}

需要这三个方法

mutate(&mut self)：修改结构体的内容。

calculate_fitness(&mut self) -> f64：计算适应度值，即此个体结构实例与完美解的接近程度？数值越小表示越接近（==错误越少==离最优解越近）。

reset(&mut self)：在特定数量的迭代后重置所有数据（见reset_limit），以避免局部最小值。

还有一个方法（new_fittest_found），但它是可选的，默认实现不执行任何操作。

如果您想在所有个体之间共享一个大的数据结构，您需要Arc，请参阅TSP和OCR示例。

现在您必须创建一个或多个具有不同属性的种群

// A helper function that creates a vector of individuals of your data structure:
let my_pop = make_population(100);

let population1 = PopulationBuilder::<MyStruct>::new()
    .set_id(1)
    .initial_population(&my_pop)
    .increasing_exp_mutation_rate(1.03)
    .reset_limit_increment(100)
    .reset_limit_start(100)
    .reset_limit_end(1000)
    .finalize().unwrap();


let population2 = PopulationBuilder::<MyStruct>::new()
    .set_id(2)
    .initial_population(&my_pop)
    .increasing_exp_mutation_rate(1.04)
    .reset_limit_increment(200)
    .reset_limit_start(100)
    .reset_limit_end(2000)
    .finalize().unwrap();

set_id()：设置种群ID。这可以是任何正u32整数。目前这仅用于内部统计，例如：哪个种群拥有最健壮的个体？这可能有助于您设置正确的模拟参数。

initial_population()：此方法接受一个个体向量。最佳实践是使用辅助函数，请参阅示例。

increasing_exp_mutation_rate(): 为每个个体设置突变率：使用指数突变率。

reset_limit_increment(): 每次迭代计数器达到限制时，增加此数量的重置限制。

reset_limit_start(): 重置限制的起始值。

reset_limit_end(): 重置限制的结束值。如果达到此结束值，则重置限制重置为上述起始值。

或者，您也可以将所有种群放入一个向量中。

之后，您需要创建一个新的模拟实例并设置参数。

let my_builder = SimulationBuilder::<MyStruct>::new()
    .factor(0.34)
    .threads(2)
    .add_population(population1)
    .add_population(population2)
    .finalize();

    match my_builder {
        Err(SimError::EndIterationTooLow) => println!("more than 10 iteratons needed"),
        Ok(mut my_simulation) => {
            my_simulation.run();

            println!("total run time: {} ms", my_simulation.total_time_in_ms);
            println!("improvement factor: {}", my_simulation.simulation_result.improvement_factor);
            println!("number of iterations: {}", my_simulation.simulation_result.iteration_counter);

            my_simulation.print_fitness();
        }
    }

factor(): 设置终止条件：如果改进因子比这个值好或等于这个值，则模拟停止。

threads(): 用于模拟的线程数。

add_population(): 这会将之前创建的种群添加到模拟中。

finalize(): 完成设置并进行合理性检查。如果没有配置错误，则返回 Ok(Simulation)。

add_muliple_populations(): 允许您在一个方法调用中添加向量中的所有种群。

然后，只需对 finalize() 的结果进行匹配，并调用 simulation.run() 以启动模拟。完成后，您可以访问一些统计信息（total_time_in_ms、improvement_factor、iteration_counter）以及当然种群。

    for population in my_simulation.habitat {
      for wrapper in population.population {...}
    }

每个个体都封装在一个包含模拟所需额外信息的 Wrapper 结构体中：适应度 和 突变次数。有关完整的工作程序示例，请参阅示例文件夹。

讨论

• Reddit
• Rust 用户论坛

使用的 crate

• jobsteal: 并行化
• error-chain: 简单的错误处理
• log: 使用日志机制而不是 println!()

类似的 crate

• genetic-files
• RsGenetic
• evo-rs
• calco-rs
• GenGen
• parasailors
• random-wheel-rs
• roulette-wheel-rs
• differential-evolution-rs
• evolve-sbrain
• Nodevo

任何反馈都受欢迎！