Python, ottimizzazione numerica, algoritmi genetici

Ecco disponibili le slide del talk Python, ottimizzazione numerica, algoritmi genetici tenuto a Pycon4, insieme al codice degli esempi illustrati nel talk.

Ecco disponibili le slide del talk Python, ottimizzazione numerica, algoritmi genetici tenuto a Pycon4, insieme al codice degli esempi illustrati nel talk.

Slide del talk Python, ottimizzazione numerica, algoritmi genetici

Queste le slide in formato PDF, gli esempi scipy.optimization: centro di una funzione quadratica (center.py), pricing non lineare (market.py), e gli esempi PyMathProg: risolutore di Sudoku (sudoku.py, tratto dalla documentazione di PyMathProg), clienti e promozioni (clv.py e variante clv2.py).

Alcune informazioni utili per eseguire gli esempi: per quelli scipy.optimization è sufficiente che SciPy sia installato. Per provare PyMathProg serve GLPK ed è richiesto compilare con distutils il pacchetto di PyMathProg. La distribuzione purtroppo non è senza pecche e io non sono riuscito a compilarlo su Windows per Python 2.6; su una Debian Squeeze scaricando pympl.4.2.tgz ed estraendolo in una directory (attenzione, i file non sono in una directory, deve esserne creata una apposta manualmente!) ho potuto compilare senza problemi per Python 2.6. Il pacchetto include già PyGLPK, i binding Python per GLPK precedentemente distributi a parte, che non vanno confusi con python-glpk, un diverso package di binding non compatibile presente anche nei repository Debian.

Leave a Reply