我用Python开发了一个优化算法测试软件,多线程是真的快啊

引言

它是一个基于 Python 的桌面 GUI 软件，将"选算法 → 选函数 → 跑实验 → 统计分析 → 画图 → 导出"这一整套流程，整合在一个界面中完成。

• 可以并行计算，可以根据自己电脑的配置来调整线程数量
• 可以使用官方mealpy库所有算法
• 可以使用官方opfunu库所有函数
• 可以导入自定义算法
• 一键导出SCI质量的图片（导出格式：PNG（600 DPI）、PDF、SVG、EPS、TIFF，直接满足 SCI / EI 期刊投稿要求）
• 一键生成各种指标、Wilcoxon 秩和检验（Wilcoxon Rank-Sum Test）、符号检验（Sign Test）、Friedman 排名检验（Friedman Test）、统计表格、平均收敛曲线，雷达图、排序图、所有算法的过程曲线数据等 

https://www.bilibili.com/video/BV1iRQUBhEzu/?share_source=copy_web&vd_source=4cb7fc4ade88eda8cfe2efed8087391c

技术底座

OptimBench 基于以下两个核心开源库构建：

mealpy —— 234种优化算法

底层算法引擎使用 mealpy 3.0.3（Meta-Heuristic Algorithms Python Library），这是目前收录最全的元启发式算法库之一，涵盖了 234种 优化算法，包括但不限于：

所有算法统一接口，公平对比，无需逐个适配。

opfunu —— 11套CEC标准测试集

基准函数使用 opfunu 1.0.4（Open-source Functions for Optimization），覆盖 11套CEC标准测试集：

软件会自动检测函数与维度的兼容性，不兼容的函数在运行前自动跳过，无需手动排查。

核心功能详解

1. 多进程并行实验引擎

• • 基于 ProcessPoolExecutor 的多进程并行架构
• • 滑动窗口任务调度：不会一次性提交所有任务占满内存，而是按 workers × 2 的窗口逐步提交，跑完一个补一个
• • 默认使用 CPU 核心数的一半（最多6个），也可手动指定
• • 实时进度条显示百分比，支持随时中断

2. 六项描述性统计指标

实验完成后，自动计算每个"算法 × 函数"组合的统计指标：

3. 三种非参数统计检验

这是论文中必不可少的统计分析，OptimBench 全部内置，并且支持自由切换基准算法（因为在做检验的时候，是需要算法之间两两进行检验的。这里的做法一般是与改进的算法进行检验，而改进的算法本身与本身不需要检验。因此在软件里边可以自由设置基准算法，也就是可以自由选择哪个算法来作为这个比较的底座。）

Wilcoxon 秩和检验（Wilcoxon Rank-Sum Test）

符号检验（Sign Test）

Friedman 排名检验（Friedman Test）

在界面上可以随时切换基准算法，Wilcoxon 和 Sign Test 的结果会实时刷新。

4. 四种出版级图表

所有图表均按学术论文标准设计（serif 字体、600 DPI、紧凑布局）：

平均收敛曲线（Mean Convergence Curve）

• • 每个测试函数生成一张图
• • 横轴：迭代次数（Epoch），纵轴：适应度值（对数坐标）
• • 每条曲线 = 30次独立运行的均值
• • 不同算法用不同颜色 + 标记点区分

箱线图（Boxplot）

• • 每个测试函数一张图
• • 展示30次运行的适应度分布：中位数、四分位距、异常值
• • 直观对比算法稳定性

Friedman 排名柱状图

• • 横向柱状图，按平均排名排序
• • 标注具体排名数值
• • 标题包含 χ² 和 p 值

雷达图（Radar Chart）

• • 多函数综合性能可视化
• • 外圈 = 表现更优，内圈 = 表现更差
• • 适合展示算法在不同函数上的优劣势分布

导出格式：PNG（600 DPI）、PDF、SVG、EPS，直接满足 SCI / EI 期刊投稿要求。五种格式都可以导出

5. 界面内图表预览

实验跑完后，无需手动保存，所有图表会自动生成缩略图，在界面右侧的 Figures 标签页中直接预览。点击任意缩略图可弹出大图查看细节。

6. 数据导出

• • Excel (.xlsx)：包含描述性统计、Wilcoxon、Sign Test、Friedman 排名，每项一个 Sheet
• • MATLAB (.mat)：导出原始适应度矩阵和收敛曲线矩阵，方便在 MATLAB 中二次分析，导出的是运行过程中所有的数据：

7. 自定义算法导入

如果你有自己提出的新算法，只需编写一个 .py 文件：

from mealpy import OptimizerclassMyAlgorithm(Optimizer):def__init__(self, epoch=500, pop_size=50, **kwargs):super().__init__(**kwargs)self.epoch = self.validator.check_int("epoch", epoch, [1, 100000])self.pop_size = self.validator.check_int("pop_size", pop_size, [10, 10000])defevolve(self, epoch):# 在这里实现你的算法逻辑for i inrange(self.pop_size):            new_pos = ...  # 生成新位置            new_agent = self.generate_agent(new_pos)  # 创建并评估if new_agent.target.fitness < self.pop[i].target.fitness:self.pop[i] = new_agent

点击 Import Custom 按钮，支持一次选择多个文件批量导入，导入后的自定义算法与内置的 234 种算法简单对比，统计分析和图表导出。

为了让大家明白如何将常用的算法改写成标准形式，这里我将mealpy库没有的四个高质量算法转换成了可以导入软件的标准算案发格式，包括：（DBO 蜣螂算法、IVY 常青藤算法、GGO 灰雁算法、PGA 向光生长算法），因此，即便你是MATLAB 用户也能快速上手迁移。

软件界面

整体采用左右分栏布局：

左侧面板：

• • 算法列表（支持搜索过滤，勾选即用）
• • CEC 测试集下拉选择 + 函数勾选列表
• • 参数配置：种群大小、迭代次数、独立运行次数、并行进程数、问题维度
• • 导入自定义算法按钮
  

右侧面板（6个标签页）：

• • Log：实时运行日志
  
• • Statistics：描述性统计表（Mean / Std / Best / Worst / Median / Time）
  
• • Wilcoxon：秩和检验结果表

• • Sign Test：符号检验结果表

• • Friedman：排名表 + χ² 统计量

• • Figures：图表预览（收敛曲线、箱线图、Friedman排名、雷达图）

底部配有进度条和状态栏，实验进度实时可见。

使用方式

注意：此软件仅在windows系统电脑上测试通过，Linux和MAc以及其他系统请不要购买！