scikit-opt：Python 群体智能优化算法工具包

scikit-opt 是一个 Python 库，实现了遗传算法、粒子群优化、模拟退火、蚁群算法、免疫算法、人工鱼群算法和差分进化等群体智能优化算法，并提供 TSP 求解示例。

这个工具是什么

scikit-opt 是一个基于 Python 的开源群体智能优化算法工具包，采用 MIT 许可证，要求 Python 3.5 及以上版本，支持 Windows、Linux 和 macOS。它汇集了多种启发式优化算法，包括遗传算法（GA）、粒子群优化（PSO）、模拟退火（SA）、蚁群算法（ACA）、免疫算法（IA）、人工鱼群算法（AFSA）和差分进化（DE），并提供了求解旅行商问题（TSP）的遗传算法变体。项目文档有中英文版本，在 GitHub 上拥有超过 6700 颗星标，最近仍在更新。

核心能力

• 提供多种经典群体智能优化算法的统一 Python 接口，便于快速调用和比较。
• 支持用户自定义算子（UDF），可注册自定义的选择、交叉、变异和排序函数。
• 内置十余种常用算子，如 ranking、selection、crossover、mutation 等，方便组合使用。
• 包含针对旅行商问题（TSP）的遗传算法实现，可直接应用于路径优化场景。

科研中的典型用法

• 在科研中用于求解连续或离散优化问题，例如函数最小化、参数调优等。
• 利用遗传算法或蚁群算法求解旅行商问题（TSP）及其他组合优化问题。
• 通过自定义算子扩展算法行为，测试新算子或改进现有算法的性能。

快速上手

通过 pip 安装：`pip install scikit-opt`。也可克隆仓库后运行 `pip install .` 安装开发版。入门时从 `sko.GA` 导入遗传算法类，定义目标函数和参数（如维度、种群大小、迭代次数、边界等），调用 `run()` 方法即可获得最优解。详细示例可参考官方文档和 examples 目录。

生态与相近工具

同领域还有 DEAP、PyGMO 等进化计算库。scikit-opt 更侧重于群体智能算法的简洁实现和教学用途，提供统一接口和自定义算子支持；DEAP 功能更全面但学习曲线较陡，PyGMO 则专注于大规模并行优化。用户可根据需求选择。

项目信息

• 仓库：guofei9987/scikit-opt
• 星标：6,714　·　派生：1,107
• 主要语言：Python
• 许可证：MIT
• 最近提交：2026-03-25
• 项目主页：https://scikit-opt.github.io/scikit-opt/#/en/

本文属于《学科研究工具知识库 · 数学》第 6 篇（按 GitHub 星标排序）。收录标准：该学科公开可获取的开源研究工具，星标与活跃度为主要参考，不代表对其性能或适用性的背书；选型前请结合自身场景评估。