kaiwu.classical package#
Module contents#
模块: classical
功能: 提供一系列经典求解器
- class kaiwu.classical.SimulatedAnnealingOptimizer(initial_temperature=100, alpha=0.99, cutoff_temperature=0.001, iterations_per_t=10, size_limit=100, flag_evolution_history=False, verbose=False, rand_seed=None, process_num=1)[源代码]#
基类：
IsingSolver,QuboSolver,JsonSerializableMixin求解Ising模型的模拟退火求解器（输出结果具有随机性）.
- Args:
initial_temperature (float): 初始温度.
alpha (float): 降温系数.
cutoff_temperature (float): 截止温度.
iterations_per_t (int): 每个温度迭代深度.
size_limit (int): 输出解的个数，默认输出100个解
flag_evolution_history (bool): 是否输出哈密顿量演化历史，默认False，当值为True时，通过get_ha_history方法获取演化历史
verbose (bool): 是否在控制台输出计算进度，默认False
rand_seed (int, optional): numpy随机数生成器的随机种子
process_num (int, optional): 并行进程数 (-1为自动调用所有可用核心，1为单进程). Defaults to 1.
- Examples:
>>> import numpy as np >>> import kaiwu as kw >>> matrix = -np.array([[ 0. , 1. , 0. , 1. , 1. ], ... [ 1. , 0. , 0. , 1., 1. ], ... [ 0. , 0. , 0. , 1., 1. ], ... [ 1. , 1., 1. , 0. , 1. ], ... [ 1. , 1., 1. , 1. , 0. ]]) >>> worker = kw.classical.SimulatedAnnealingOptimizer(initial_temperature=100, ... alpha=0.99, ... cutoff_temperature=0.001, ... iterations_per_t=10, ... size_limit=10) >>> # This value is random and cannot be predicted >>> worker.solve(matrix) array([[-1, 1, -1, 1, 1], [-1, 1, 1, -1, 1], [-1, 1, 1, -1, -1], [ 1, -1, -1, 1, 1], [ 1, -1, 1, -1, 1], [ 1, -1, 1, -1, -1], [ 1, -1, -1, -1, 1], [ 1, -1, 1, 1, -1], [ 1, 1, 1, -1, -1], [-1, -1, -1, 1, 1]])
- single_process_solve(ising_matrix=None, init_solution=None, rand_seed=None)[源代码]#
单进程求解Ising矩阵
- Args:
ising_matrix (np.ndarray, optional): Ising矩阵. Defaults to None.
init_solution (np.ndarray, optional): 初始解向量. Defaults to None.
rand_seed (int, optional): numpy随机数生成器的随机种子
- Returns:
np.ndarray: 解向量
- get_hamiltonian()#
- Returns:
hamiltonian (np.ndarray): 当前解的哈密顿量值
- load_json_dict(json_dict)#
从json文件读取的dict恢复对象
- Returns:
dict: json字典
- set_matrix(ising_matrix)#
设置矩阵并更新相关内容
- solve(ising_matrix=None, negtail_flip=True, sort_solutions=False)#
求解Ising矩阵
- Args:
ising_matrix (np.ndarray): Ising矩阵
negtail_flip (bool): 是否进行负尾翻转
sort_solutions (bool): 是否对解进行排序
- Returns:
output (np.ndarray): 解向量
- solve_qubo(*args, **kwargs)#
- to_json_dict(exclude_fields=('_optimizer',))#
转化为json字典
- Returns:
dict: json字典
- class kaiwu.classical.TabuSearchOptimizer(max_iter, recency_size=None, kmax=3, span_control_p1=3, span_control_p2=7, size_limit=1)[源代码]#
-
求解Ising模型的禁忌搜索求解器.
- Args:
max_iter (int): 最大迭代次数
recency_size (int): recency禁忌表的大小。如输入为空，则使用矩阵边长的1/10向上取整。
kmax (int): 模型参数变量k的最大值。默认值为3。
span_control_p1 (int): 影响span变化的参数p1.默认值为3。
span_control_p2 (int): 影响span变化的参数p2.默认值为7。
size_limit (int): 维护解集的大小
- Examples:
>>> import numpy as np >>> import kaiwu as kw >>> matrix = -np.array([[ 0. , 1. , 0. , 1. , 1. ], ... [ 1. , 0. , 0. , 1., 1. ], ... [ 0. , 0. , 0. , 1., 1. ], ... [ 1. , 1., 1. , 0. , 1. ], ... [ 1. , 1., 1. , 1. , 0. ]]) >>> worker = kw.classical.TabuSearchOptimizer(10, size_limit=1) >>> worker.solve(matrix) array([[ 1, 1, 1, -1, -1]])
- solve(ising_matrix=None, negtail_flip=True, sort_solutions=False, solution=None)[源代码]#
求解接口，调用_solve方法
- Args:
ising_matrix (np.ndarray, optional): Ising矩阵. 默认为None.
negtail_flip (bool): 是否进行负尾翻转
sort_solutions (bool): 是否对解进行排序
solution (np.ndarray, optional): 初始解向量. 默认为None.
- Returns:
np.ndarray: 解向量
- get_hamiltonian()#
- Returns:
hamiltonian (np.ndarray): 当前解的哈密顿量值
- on_matrix_change()#
更新矩阵相关信息, 继承IsingSolver时可以实现。当处理的ising矩阵发生变化时，这个函数的实现会被调用，从而有机会做相应动作
- solve_qubo(*args, **kwargs)#
- class kaiwu.classical.BruteForceOptimizer[源代码]#
-
求解Ising模型矩阵的暴力求解器，慢而准.
- get_hamiltonian()#
- Returns:
hamiltonian (np.ndarray): 当前解的哈密顿量值
- on_matrix_change()#
更新矩阵相关信息, 继承IsingSolver时可以实现。当处理的ising矩阵发生变化时，这个函数的实现会被调用，从而有机会做相应动作
- set_matrix(ising_matrix)#
设置矩阵并更新相关内容
- solve(ising_matrix=None, negtail_flip=True, sort_solutions=False)#
求解Ising矩阵
- Args:
ising_matrix (np.ndarray): Ising矩阵
negtail_flip (bool): 是否进行负尾翻转
sort_solutions (bool): 是否对解进行排序
- Returns:
output (np.ndarray): 解向量
- solve_qubo(*args, **kwargs)#