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)#

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）.

参数:

  • 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.

示例

>>> 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]])
on_matrix_change()#

更新矩阵相关信息

get_ha_history()#

获取哈密顿量演化历史

返回:

哈密顿量随时间演化历史，key是时间，单位为秒，value是 hamilton

返回类型:

dict

single_process_solve(ising_matrix=None, init_solution=None, rand_seed=None)#

单进程求解Ising矩阵

参数:

  • 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

返回:

解向量

返回类型:

np.ndarray

get_hamiltonian()#
返回:

当前解的哈密顿量值

返回类型:

hamiltonian (np.ndarray)

load_json_dict(json_dict)#

从json文件读取的dict恢复对象

返回:

json字典

返回类型:

dict

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

参数:

  • 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

返回:

解向量

返回类型:

output (np.ndarray)

solve_qubo(*args, **kwargs)#
to_json_dict(exclude_fields=('_optimizer',))#

转化为json字典

返回:

json字典

返回类型:

dict

class kaiwu.classical.TabuSearchOptimizer(max_iter, recency_size=None, kmax=3, span_control_p1=3, span_control_p2=7, size_limit=1)#

基类：IsingSolver, QuboSolver

求解Ising模型的禁忌搜索求解器.

参数:

  • 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

示例

>>> 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]])
set_matrix(ising_matrix)#

设置矩阵并更新相关内容

init_solution(solution)#

初始化解向量

参数:

solution (np.ndarray) -- 初始解向量

solve(ising_matrix=None, negtail_flip=True, sort_solutions=False, solution=None)#

求解接口，调用_solve方法

参数:

  • 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.

返回:

解向量

返回类型:

np.ndarray

get_hamiltonian()#
返回:

当前解的哈密顿量值

返回类型:

hamiltonian (np.ndarray)

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#

基类：IsingSolver, QuboSolver

求解Ising模型矩阵的暴力求解器，慢而准.

get_hamiltonian()#
返回:

当前解的哈密顿量值

返回类型:

hamiltonian (np.ndarray)

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

参数:

  • 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

返回:

解向量

返回类型:

output (np.ndarray)

solve_qubo(*args, **kwargs)#
On this page