Python 3.x 从pygmo群岛获取进化日志

这个问题很简单，也可能很愚蠢，但我们来看看：

在这里（）
如果您进化单个种群，则可以按如下方式获得algo.evolve（）调用的日志：

from pygmo import *
algo = algorithm(de1220(gen = 500))
algo.set_verbosity(100)
prob = problem(rosenbrock(10))
pop = population(prob, 20)
pop = algo.evolve(pop) 
uda = algo.extract(de1220)
uda.get_log() 
[(1, 20, 285652.7928977573, 0.551350234239449, 0.4415510963067054, 16, 43.97185788345982, 2023791.5123259544), ...

如果您利用pygmo的强大功能，使用一个群岛来并行化进化，您将执行以下操作：

archi = archipelago(n = 8, algo = algo, prob = rosenbrock(5), pop_size = 10, seed = 32)
archi.evolve()

然而，群岛没有一个extract（）方法（像算法一样），也没有一个get_算法（）方法（像岛屿一样），也没有任何文档中足够明显的方法（至少对我来说）来完成这项工作

archi.extract(de1220)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'archipelago' object has no attribute 'extract'


archi.get_algorithm()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'archipelago' object has no attribute 'get_algorithm'

archi.extract（de1220）
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
AttributeError:“群岛”对象没有属性“提取”
archi.get_算法（）
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
AttributeError:“archipelago”对象没有属性“get\u算法”

那么，如何将

algo.set\u verbosity（100）

的输出保存到一个文件中，而不仅仅保存在标准输出上呢？
而且，一旦到了这里，有没有一种方法可以让它按岛组织，而不是像打印在标准输出上那样交错 （我在运行每个孤岛时都会在到达give触发器时打印报告，但如果存储了所有内容，则应该可以对其进行排序）

---

谢谢

记录得很糟糕，我在上面浪费了不少时间…
我不确定这是最好的/正确的/更快的方法，但有效：

结果证明（文档中没有）您可以迭代 通过一个简单的for环穿过一个群岛的岛屿

接下来，链接孤岛的.get_algorithm（）方法和 .extract（）方法可以提取日志 一个岛一个岛地跑。与numpy/pandas和it一起享受一点乐趣 所有这些都以一种可以理解的形式出现

代码方面：

# set up a dummy archipelago
algo = algorithm(de1220(gen = 50))
algo.set_verbosity(25)
prob = problem(rosenbrock(10))
archi = pg.archipelago(n=5,algo=algo, prob=prob, pop_size=10)

# evolve the archipelago
archi.evolve()
archi.wait()

# set up df
tot_df = pd.DataFrame(columns = ["Gen", "F.evals.", "Best fit", "mutation", "crossing over", "Variant", "dx", "df", "island_#"])

# here's the 'magic'
for i, island in enumerate(archi): # iterate through islands
   a = island.get_algorithm()      # get algorithm from island
   uda = a.extract(de1220)         # extract algorithm from algorithm object
   log = uda.get_log()             # get the log. Comes as list of tuples

   # reshape log
   df = pd.DataFrame(np.asarray(log), columns = ["Gen", "F.evals.", "Best fit","mutation", "crossing over", "Variant", "dx", "df"])
   df["island_#"] = i              # add island ID
   tot_df = pd.concat([tot_df,df], axis='index', ignore_index=True) # merge with total df

tot_df.head(10)

   Gen  F.evals.       Best fit  mutation  crossing over  Variant         dx  \
0   1.0      10.0  345333.467771  0.789858       0.816435     13.0  39.714168   
1  26.0     260.0    1999.841182  0.164231       0.212773     13.0  17.472183   
2   1.0      10.0   78311.447221  0.789858       0.816435     13.0  52.486000   
3  26.0     260.0    5487.221927  0.265201       0.293801     13.0  18.667831   
4   1.0      10.0  232299.337923  0.789858       0.816435     13.0  82.268328   
5  26.0     260.0    1428.355411  0.125830       0.849527     13.0  23.221746   
6   1.0      10.0   52560.966403  0.789858       0.816435     13.0  21.125350   
7  26.0     260.0     368.076713  0.379755       0.896231      3.0  19.487683   
8   1.0      10.0  147318.705997  0.821884       0.527160      2.0  42.190744   
9  26.0     260.0    1869.989020  0.326712       0.924639     16.0  19.501904   

             df island_#  
0  1.912363e+06        0  
1  8.641547e+03        0  
2  1.148887e+06        1  
3  4.478749e+04        1  
4  1.952969e+06        2  
5  3.955732e+04        2  
6  1.345214e+06        3  
7  4.682571e+04        3  
8  1.114900e+06        4  
9  5.839716e+04        4   

我希望这将节省某人在等待文档更新时的时间