智能优化算法python库（12个）

casjxm

1. DEAP
主页：https://deap.readthedocs.io/en/master/
GitHub 仓库：https://github.com/DEAP/deap
安装：pip install deap
介绍：DEAP（Distributed Evolutionary Algorithms in Python）是一个功能强大的Python库，专注于实现进化算法（如遗传算法、遗传编程、差分进化等），适用于解决优化问题、机器学习参数调优、生成式设计等任务。其核心特点是高度模块化、易扩展且性能高效，适合科研和工业场景。


2. PySwarms
主页：https://pyswarms.readthedocs.io/en/latest/
安装：pip install pyswarms
介绍：PySwarms 是一个基于 Python 的高性能群体智能算法库，专注于实现**粒子群优化（PSO）**及其变种，同时支持差分进化（DE）等其他优化算法。它以简洁的 API、高效的计算和灵活的配置著称，广泛应用于数学优化、机器学习参数调优、工程设计等领域。


3. simanneal
GitHub 仓库：https://github.com/perrygeo/simanneal
安装：pip install simanneal
介绍：SimAnneal 是 Python 中实现模拟退火算法（Simulated Annealing, SA）的库，专注于解决组合优化问题和NP-hard 问题。其灵感来源于物理学中的金属退火过程，通过概率性接受局部次优解，避免陷入局部最优，适用于搜索空间复杂、约束较多的场景。


4. PyGAD
主页：https://pygad.readthedocs.io/en/latest/
安装：pip install pygad
介绍：PyGAD 是一个专注于**遗传算法（Genetic Algorithm, GA）**的 Python 库，旨在简化遗传算法的实现过程，适用于优化问题、机器学习参数调优、组合优化等场景。


5. Platypus
主页：https://platypus.readthedocs.io/en/latest/
安装：pip install platypus-opt
介绍：Platypus 是一个专注于**多目标优化（Multiobjective Optimization）**的 Python 库，由 Project-Platypus 团队开发，旨在为研究人员和开发者提供高效、灵活的多目标优化框架


6. MEALPY
主页：https://mealpy.readthedocs.io/en/latest/
安装：pip install mealpy==3.0.1
介绍：MEALPY 是一个专注于**元启发式算法（Metaheuristic Algorithms）**的 Python 库，旨在为优化问题提供高效、灵活的解决方案。内置 215 种优化算法，涵盖生物启发（如黏菌算法 SMA）、进化算法（如遗传算法 GA）、群体智能（如粒子群优化 PSO）等类别。支持连续与离散问题，例如函数优化、路径规划、机器学习超参数调优等


7. scikit-opt
安装：pip install scikit-opt==0.6.6
介绍：scikit-opt 是一个专注于智能优化算法的 Python 库，封装了多种经典启发式算法，适用于函数优化、组合优化（如旅行商问题 TSP）、机器学习超参数调参等场景。支持 7 大类启发式算法，包括：
差分进化算法（DE）：适用于高维连续优化，收敛速度快但易陷入局部最优。
遗传算法（GA）：模拟自然选择机制，适合组合优化问题（如 TSP），需平衡种群规模与变异概率。
粒子群算法（PSO）：实现简单，适用于多模态优化，但易受参数（如惯性权重）影响。
模拟退火（SA）：通过温度机制跳出局部最优，适合复杂工程问题。
蚁群算法（ACO）：离散优化优势显著，但参数设置复杂。
鱼群算法（AFSA）：支持多目标优化，适合动态环境。
免疫优化算法（IA）：鲁棒性强，适用于动态优化问题。


8. Geatpy2 ：
GitHub 仓库：https://github.com/geatpy-dev/geatpy
安装：pip install geatpy==2.5.1
介绍：Geatpy2 是一款专注于进化算法的 Python 高性能工具箱，由国内高校团队开发，支持单目标、多目标、约束优化、组合优化等复杂问题求解。内置 200+ 种进化算法模板，包括遗传算法（GA）、差分进化（DE）、NSGA-III、MOEA/D 等，支持连续/离散/混合编码。提供 多目标优化非支配排序、约束处理（罚函数法/可行性法则）等核心功能


9. PyGMO2
GitHub 仓库：PyGMO2
介绍：PyGMO2 是一个基于 C++ 库 Pagmo 的 Python 接口，专注于并行优化与多目标优化，适用于科研、工程和数据科学领域。


10. SciPy.optimize
主页：https://docs.scipy.org/doc/scipy/reference/optimize.html
介绍：SciPy.optimize 是 Python 科学计算库 SciPy 中的核心优化模块，提供多种算法解决数学优化问题，适用于工程、数据科学、机器学习等领域。


11. Optuna
主页：https://optuna.org/
介绍Optuna 是一款专注于超参数优化的 Python 库，通过贝叶斯优化、TPE 算法等智能策略，帮助用户高效寻找机器学习模型的最佳参数组合。
基于贝叶斯优化，收敛速度快，高维离散参数搜索效率较低；支持分布式计算与多目标优化，需要合理设置参数范围；提供可视化工具与剪枝机制，社区生态相比 Scikit-Opt 较小


12. Gekko
安装：pip install gekko
介绍：Gekko 是一款专注于优化与动态系统建模的 Python 库，支持混合整数规划、非线性优化、微分方程求解及实时控制等复杂场景。支持 8 大类优化问题，包括线性规划（LP）、二次规划（QP）、非线性规划（NLP）、混合整数规划（MIP）等