[논문 리뷰] PyGAD: An Intuitive Genetic Algorithm Python Library

Ahmed Fawzy Gad|arXiv (Cornell University)|2021. 06. 11.

Evolutionary Algorithms and Applications참고 문헌 5인용 수 78

한 줄 요약

PyGAD는 Keras 및 PyTorch 모델 지원을 포함한 광범위한 커스터마이징과 라이프사이클 콜백을 제공하는 유전 알고리즘용 단일 목적 최적화를 위한 오픈 소스이며 사용하기 쉬운 파이썬 라이브러리입니다.

ABSTRACT

This paper introduces PyGAD, an open-source easy-to-use Python library for building the genetic algorithm. PyGAD supports a wide range of parameters to give the user control over everything in its life cycle. This includes, but is not limited to, population, gene value range, gene data type, parent selection, crossover, and mutation. PyGAD is designed as a general-purpose optimization library that allows the user to customize the fitness function. Its usage consists of 3 main steps: build the fitness function, create an instance of the pygad.GA class, and calling the pygad.GA.run() method. The library supports training deep learning models created either with PyGAD itself or with frameworks like Keras and PyTorch. Given its stable state, PyGAD is also in active development to respond to the user's requested features and enhancement received on GitHub https://github.com/ahmedfgad/GeneticAlgorithmPython. PyGAD comes with documentation https://pygad.readthedocs.io for further details and examples.

연구 동기 및 목표

• 易用하고도 고도로 구성 가능한 파이썬 유전 알고리즘 라이브러리 제공.
• 다양한 최적화 문제를 위한 GA 라이프사이클, 연산자, 유전자 공간의 맞춤 설정 허용.
• PyGAD의 확장을 통한 Keras 및 PyTorch로의 딥 러닝 모델 훈련 가능.
• 연구자를 지원하기 위한 광범위한 문서, 예제 및 지속적인 개발 제공

제안 방법

• PyGAD의 설계 목표를 초보자에게는 단순하고 연구자에게는 강력하게 만드는 것을 설명한다.
• 세 단계 사용 흐름 제시: 적합도 함수 정의, pygad.GA 인스턴스화, 진화 실행.
• 7개의 콜백 포인트(on_start, on_fitness, on_parents, on_crossover, on_mutation, on_generation, on_stop)로 GA 라이프사이클 설명.
• 7개의 PyGAD 모듈(pygad, nn, gann, cnn, gacnn, kerasga, torchga)과 그 역할 강조.
• 유전체 공간(gene_space), 유전자 유형(gene_type), 초기 개체군(initial_population), 적응적 돌연변이(adaptive mutation)를 사용한 GA 커스터마이징 방법 설명

실험 결과

연구 질문

• RQ1 PyGAD가 사용성 및 기능 측면에서 기존 GA 라이브러리와 어떻게 비교되는가?
• RQ2 유전 표현, 돌연변이 및 라이프사이클 제어를 위한 PyGAD의 커스터마이즈 옵션은 무엇인가?
• RQ3 내장 모듈이나 외부 프레임워크(Keras, PyTorch)를 사용하여 신경망을 효과적으로 훈련시킬 수 있는가?

주요 결과

• PyGAD는 1년 이내에 185K회 이상의 설치를 달성하여 빠른 도입을 시사합니다.
• 라이브러리는 최소한의 코드(예: OneMax)로 문제를 해결할 수 있게 하며, 인용된 비교에서 일부 대안보다 더 빠른 런타임을 보고합니다.
• 사용자는almost 모든 GA 라이프사이클의 측면을 맞춤설정할 수 있으며, 연산자의 활성화/비활성화, 콜백을 통한 사용자 정의 연산자 제공, on_generation을 통한 조기 중지 등을 포함합니다.
• PyGAD는 전용 모듈(kerasga 및 torchga)을 통해 Keras 및 PyTorch와 통합되며 pygad.nn, gann, cnn, gacnn을 통해 신경망 구성/훈련 기능을 제공합니다.
• API는 설명적 이름짓기, 간결한 인터페이스, 3단계 사용법을 강조하여 Python 경험이 제한된 사용자도 GA 실험을 쉽게 접근할 수 있도록 합니다.
• 라이프사이클 콜백 및 gene_space, gene_type, initial_population, adaptive mutation과 같은 매개변수는 정교한 연구 실험을 지원합니다.