nebulagraph 图计算实现 python

1,基本数据结构

numpy	geatpyeatpy中的大部分数据都是都是使用numpy的数组进行存储和计算的	import geatpy as ea import numpy as np
Nind	种群的规模（个体数量）	Nind = 4(整数）
Chrom	种群染色体用Chrom：种群染色体矩阵 lind表示编码的长度，Nind表示的是种群的规模（个体数量 二维数组，其中每一行对应一个个体的染色体编码
Phen	Chrom经过解码后得到的基因表现型矩阵Phen  每一行对应一个个体，每一列对应一个决策变量 Nvar表示变量的个数，Nind表示的是种群的规模（个体数量）	Phen的值与采用的解码方式有关
ObjV	目标函数值  每一行对应每一个个体，=Chrom行数	每一列对应一个目标函数 （单目标函数=ObjV会只有1列； 多目标函数=ObjV会有多列）
FitnV	适应度函数  每一行代表一个个体的适应度值，=Chrom行数	1，Geatpy中的适应度遵循“最小适应度为0”的约定。 2,
CV	种群个体违反约束矩阵 每一行代表种群的每一个个体；每一列代表一个约束条件	1,元素若小于或等于0，表示该元素对应的个体满足对应的约束条件 2，若大于0，表示违反约束条件，值越大，违反程度越高
FieldD	三种Encoding： BG(二进制/格雷码) RI(实整数编码，即实数和整数的混合编码) p（排列编码，染色体每一位都是互异） Encoding = 'BG'的种群，使用8行n列的矩阵FieldD作为译码矩阵	长度等于决策变量个数的行向量 lens：每一个子染色体的长度， sum(lens)等于染色体的长度 lb：决策变量的上界 ub：决策变量下界； codes指明用的是二进制编码还是格雷编码（0=二进制编码 1=表示使用格雷编码） scales：2.5.0版本开始，取消 lbin：上界是否包含其范围的边界 ubin：下界否包含其范围的边界。0不包含，1包含； varTypes：决策变量的类型，0为对应位置决策变量是连续型变量，1为离散型； phen=ea.bs2ri(chorm,FieldD) 进行解码
FeildDR	Encoding = 'RI'种群	n为染色体所表达的控制变量个数 内置的crtfld来方便的快速生成区域描述器
	Encoding = 'p'	第一行所有元素都相等， 第二行所有元素也都相等， 第三行元素均为1（排列编码变量是离散的） FieldDR有Lind列（即染色体长度为Lind） 要求上界 - 下界 + 1 >= Lind
trace	进化跟踪器 记录种群在进化的过程中各代的最优个体  MAXGEN是种群进化的代数，每一列代表不同的指标，每一行代表一代；

 2、种群结构

2.1 Population类

种群类（Population）是一个存储与种群个体相关信息的类。
基本属性：
size:int——种群规模，
ChromNum：int——染色体数目；
Encoding:str——染色体编码方式；
Field:array——译码矩阵，FieldD或者FieldDR
Chrom:array——种群染色体矩阵，每一行对应一个个体的一条染色体；
Lind:int——种群染色体长度
ObjV:array——种群目标函数值矩阵
FitnV:array——种群个体适应度列向量
CV:array——种群个体违反约束条件程度的矩阵
Phen:array——种群表现型矩阵