最近查了一圈python的智能优化算法库，发现在python里面这样的库相对一些传统的语言还真是不太多（比如Matlab)。总的看起来似乎起步都还比较晚（个人认为有可能是因为智能算法本身相对复杂并且过于专业，多数应该还是集中在专业做优化的圈子里）。 具体的代码示例我们放在了CSDN的原文里，可以自行查阅： 目前总结了以下库： 1、DEAP 2、mealpy 3、scikit-opt （国产良心） 4、Geatpy2（国产用心） 5、pygmo2 6、pyswarms 7、SciPy 安装 ： 优点 ： 起点高，发表在Journal of Machine Learning Research 用法灵活，所有模块均可自定义 缺点 ： 安装 ： 优点 ： 算法丰富，集成了现有的62种算法，目测应该还在继续更新添加 上手容易，代码简单，比如对标准函数库的函数进行优化： 缺点 ： 整体设计似乎不太规范，文档解释不够 语言上似乎还存在一点小问题，英语应用不够规范（这可能也是作者没有发表很好的杂志的原因之一） 集成了多种算法但未列举参考文献，不方便论文引用 安装 ： 优点 ： 上手容易，代码简单，尤其许多用法很像Matlab。比如官方文档就提供了一些例子：使用遗传算法进行曲线拟合 中文文档，并且文档很全。大佬的CSDN主页。（作者 @幼鹰me 曾经是京东算法工程师，现在是蚂蚁算法工程师，这个库也的确感觉得到一些情怀，方便实用的感觉） 在使用方便的基础上，也提供了不少接口用于自行修改。尤其可以自定义算子。 一些较好玩的特性：GPU加速、断点运行等。 缺点 ： 目前似乎还没有集成足够多的方法。大类有3类，共7种算法。 算法本身的优化似乎还不足（未仔细测试） 安装： 或者强制版本