本文主要介绍python遗传算法工具箱DEAP的实现。先介绍deap的如何使用，再深入介绍deap的框架实现，以及遗传算法的各种实现算法。
代码可以参考 https://github.com/sumatrae/deap
下面是使用deap求解TSP的实现：
1 1 import array 2 2 import random 3 3 import json 4 4 5 5 import numpy 6 6 7 7 from deap import algorithms 8 8 from deap import base 9 9 from deap import creator 1010 from deap import tools 1111 1212 # gr*.json contains the distance map in list of list style in JSON format 1313 # Optimal solutions are : gr17 = 2085, gr24 = 1272, gr120 = 6942 1414 with open("tsp/gr17.json", "r") as tsp_data: 1515 tsp = json.load(tsp_data) 1616 1717 distance_map = tsp["DistanceMatrix"] 1818 IND_SIZE = tsp["TourSize"] 1919 2020 creator.create("FitnessMin", base.Fitness, weights=(-1.0,)) 2121 creator.create("Individual", array.array, typecode='i', fitness=creator.FitnessMin) 2222 2323 toolbox = base.Toolbox() 2424 2525 # Attribute generator 2626 toolbox.register("indices", random.sample, range(IND_SIZE), IND_SIZE) 2727 2828 # Structure initializers 2929 toolbox.register("individual", tools.initIterate, creator.Individual, toolbox.indices) 3030 toolbox.register("population", tools.initRepeat, list, toolbox.individual) 3131 3232 def evalTSP(individual): 3333 distance = distance_map[individual[-1]][individual[0]] 3434 for gene1, gene2 in zip(individual[0:-1], individual[1:]): 3535 distance += distance_map[gene1][gene2] 3636 return distance, 3737 3838 toolbox.register("mate", tools.cxPartialyMatched) 3939 toolbox.register("mutate", tools.mutShuffleIndexes, indpb=0.05) 4040 toolbox.register("select", tools.selTournament, tournsize=3) 4141 toolbox.register("evaluate", evalTSP) 4242 4343 def main(): 4444 random.seed(169) 4545 4646 pop = toolbox.population(n=300) 4747 4848 hof = tools.HallOfFame(1) 4949 stats = tools.Statistics(lambda ind: ind.fitness.values) 5050 stats.register("avg", numpy.mean) 5151 stats.register("std", numpy.std) 5252 stats.register("min", numpy.min) 5353 stats.register("max", numpy.max) 5454 5555 algorithms.eaSimple(pop, toolbox, 0.7, 0.2, 40, stats=stats, 5656 halloffame=hof) 5757 5858 return pop, stats, hofn'g'x
该例子中使用SGA实现求解TSP问题，可以看到deap提供了灵活的插件化算法解决方案。deap的思想实现就是通过灵活的插件化思想，同时再框架中提供了丰富的算法实现，你可以用堆积木一样的方式，轻松的实现你的遗传算法处理程序。同时你也可以使用自己实现的算法模块，只需要注册框架就可以。框架通过函数导入的方法，通过register可以将你的算法函数注册到运行环境中。
未完待续。