python gplearn求遗传算法求多自变量函数最小值

使用gplearn库可以通过遗传算法求解多自变量函数的最小值。下面是一个简单的例子：

from gplearn.genetic import SymbolicRegressor
import numpy as np

# 定义自变量和因变量
X = np.random.uniform(-1, 1, (100, 2))
y = X[:, 0]**2 - X[:, 1]**2 + X[:, 0]*X[:, 1]

# 使用遗传算法求解最小值
est_gp = SymbolicRegressor(population_size=5000,
                           generations=20, stopping_criteria=0.01,
                           p_crossover=0.7, p_subtree_mutation=0.1,
                           p_hoist_mutation=0.05, p_point_mutation=0.1,
                           max_samples=0.9, verbose=1,
                           parsimony_coefficient=0.01, random_state=0)
est_gp.fit(X, y)

# 输出最小值函数表达式
print(est_gp._program)

在上面的代码中，我们首先生成了100个随机的二维自变量和对应的因变量。然后使用`SymbolicRegressor`类来创建一个遗传算法求解器，并使用`fit()`方法来拟合数据。最后，我们使用`_program`属性输出求得的最小值函数表达式。

需要注意的是，遗传算法是一种启发式算法，其结果可能受到随机因素的影响。因此，每次运行结果可能不同。