Skip to content

shellmind112/ideasearch-fit-demo

BranchesTags
 
 

Repository files navigation

🚀 IdeaSearch Streamlit App

Python 3.10+ License: MIT Streamlit

一个基于 IdeaSearch 框架的智能符号回归 Web 应用，使用大语言模型自动发现数学表达式。只需绘制曲线，AI 即可为您找到最佳拟合公式

✨ 主要特性

  • 🎨 交互式绘图画布 - 直观绘制目标曲线，支持多种绘制模式
  • 🤖 多模型支持 - 集成 GPT、Gemini、Qwen、DeepSeek 等主流 LLM
  • 🧠 Fuzzy 模式 - 使用自然语言理论描述辅助拟合
  • 📊 实时可视化 - 动态展示拟合进度和结果对比
  • 🏝️ 岛屿进化算法 - 并行探索多个解空间，提高拟合质量
  • 📈 Pareto 前沿分析 - 平衡表达式复杂度与拟合精度
  • 📁 多数据格式支持 - 支持画布绘制和 NPZ 文件上传

📋 前置要求

  • Python 3.10 或更高版本
  • uv 包管理器（推荐，快速且可靠）
  • 有效的 LLM API 密钥（支持 Gemini、OpenAI、Qwen、DeepSeek 等）
  • IdeaSearch-framework 和 IdeaSearch-fit 依赖库（自动安装）

🎬 快速开始

1. 环境准备

# 克隆仓库
git clone <repository-url>
cd ideasearch-streamlit-app

# 安装 uv 包管理器（如未安装）
# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# Windows
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

2. 安装依赖

uv sync

3. 配置 API 密钥

# 复制示例配置文件
cp api_keys.json.example api_keys.json

# 编辑配置文件，添加您的 API 密钥

API 密钥格式：

{
  "Gemini_2.5_Flash": [{
    "api_key": "your-api-key-here",
    "base_url": "https://generativelanguage.googleapis.com/v1beta",
    "model": "gemini-2.0-flash-exp"
  }],
  "GPT_4o_Mini": [{
    "api_key": "your-openai-api-key",
    "base_url": "https://api.openai.com/v1",
    "model": "gpt-4o-mini"
  }]
}

4. 启动应用

# 使用启动脚本（推荐）
./run.sh

# 或手动启动
uv run streamlit run app.py --server.port 8501

应用将自动在浏览器中打开：http://localhost:8501

📖 使用指南

三种拟合模式

应用提供三个标签页，对应不同的使用场景：

  1. 🎨 绘制曲线拟合 - 交互式画布绘制
  2. 📁 上传文件拟合 - NPZ 数据文件上传
  3. ⚙️ 高级配置拟合 - 完整的物理单位验证和变量配置

基本工作流程

  1. 数据准备

    • 画布模式: 在左侧画布绘制目标曲线，支持自由绘制、直线、点三种模式
    • 文件模式: 上传包含 'x', 'y' 和可选 'error' 键的 NPZ 文件
    • 支持数据平滑和插值处理，提高拟合质量

  2. 参数配置（侧边栏）

    • 模型选择: 推荐使用 Gemini 2.5 Flash（速度与质量平衡）
    • 函数配置: 选择可用的数学函数（sin, cos, exp, log, sqrt 等）
    • 拟合参数:
      • 岛屿数量：并行搜索种群数（推荐：3-8）
      • 循环次数：进化代数（推荐：3-10）
      • 单元交互数：每代的 LLM 调用次数（推荐：5-10）
      • 目标分数：达到后提前停止（默认：80.0）
    • Fuzzy 模式: 启用自然语言理论描述辅助

  3. 执行拟合

    • 点击"开始拟合"按钮
    • 实时监控拟合进度和 API 调用情况
    • 动态查看当前最佳表达式和分数
    • 可随时手动停止拟合过程

  4. 结果分析

    • 拟合对比图: 原始数据 vs 拟合曲线可视化
    • 分数历史: 展示拟合质量随迭代的改进过程
    • Pareto 前沿: 分析复杂度与精度的权衡关系
    • API 调用日志: 详细的模型调用记录和性能统计

高级功能

  • Fuzzy 模式: 先生成自然语言理论描述，再转换为数学表达式
  • 单位验证: 在高级模式中配置物理量单位，确保表达式量纲正确
  • 多维数据: 支持多特征输入的复杂函数拟合
  • 实时更新: 每个 epoch 后立即更新结果，无需等待完整循环

🏗️ 项目结构

ideasearch-streamlit-app/
├── app.py                      # 主应用入口，包含三个拟合模式的标签页
├── src/
│   ├── components/             # UI 组件模块
│   │   ├── canvas.py          # 交互式绘图画布组件
│   │   ├── config.py          # 侧边栏配置界面组件
│   │   └── results.py         # 结果可视化和日志展示组件
│   ├── core/                   # 核心业务逻辑
│   │   └── fitting.py         # FittingEngine 拟合引擎类
│   └── config/                 # 配置文件
│       └── default.yaml       # 默认参数配置
├── logs/                       # 拟合日志目录（自动生成）
│   ├── fit_YYYYMMDD_HHMMSS/   # 每次拟合的详细日志
│   └── db_YYYYMMDD_HHMMSS/    # IdeaSearcher 数据库文件
├── api_keys.json              # API 密钥配置（需手动创建）
├── api_keys.json.example      # API 密钥配置示例
├── pyproject.toml             # uv 项目依赖配置
├── run.sh                     # 启动脚本（支持参数配置）
├── ARCHITECTURE.md            # 完整的项目架构文档
└── README.md                  # 本文件

⚙️ 配置说明

关键参数调优指南

参数 推荐值 说明 调优建议
岛屿数量 3-8 并行进化种群数 增加提高多样性，但消耗更多 API
循环次数 3-10 进化代数 更多循环通常得到更好结果
单元交互数 5-10 每循环的 LLM 调用次数 平衡探索深度与成本
目标分数 80.0 自动停止阈值 根据精度要求调整（0-100）
采样温度 10-30 生成随机性控制 高温度增加创造性，低温度更稳定
启用变异 false 表达式变异操作 开启可增加搜索多样性，但可能降低稳定性
启用交叉 false 表达式交叉操作 开启可结合不同表达式特征
优化方法 L-BFGS-B 参数优化算法 L-BFGS-B适合平滑函数，differential-evolution适合复杂函数
优化试验次数 5 每个表达式的参数优化次数 减小可显著提高拟合速度，增加可能提高精度

API 密钥配置格式

{
  "ModelName": [{
    "api_key": "your-api-key",
    "base_url": "https://api.provider.com/v1",
    "model": "model-identifier"
  }]
}

支持的模型名称（精确匹配）：

  • Gemini 系列: Gemini_2.5_Flash, Gemini_2.5_Pro, Gemini_Pro
  • OpenAI 系列: GPT_4o, GPT_4o_Mini, GPT_4_Turbo
  • 国产模型: Qwen_Plus, Qwen_Max, Qwen3, Doubao
  • 开源模型: Deepseek_V3, Grok_4

🔧 依赖项

核心依赖：

  • streamlit - Web 应用框架
  • numpy, pandas - 数据处理
  • plotly - 交互式可视化
  • scipy - 科学计算
  • streamlit-drawable-canvas - 绘图画布组件

集成模块：

  • IdeaSearch-framework - 核心优化引擎
  • IdeaSearch-fit - 符号回归适配器

🔧 故障排查

环境问题

Q: Python 版本不兼容？

# 检查版本
python3 --version  # 需要 >= 3.10

# 升级 Python（Ubuntu/Debian）
sudo apt update && sudo apt install python3.10

Q: uv 安装失败？

# 手动安装 uv
curl -LsSf https://astral.sh/uv/install.sh | sh
source ~/.bashrc

# 或使用 pip 安装
pip install uv

API 相关问题

Q: API 调用失败？

  1. 检查 api_keys.json 格式（JSON 语法正确性）
  2. 确认 API 密钥有效且有余额
  3. 验证网络连接和代理设置
  4. 检查模型名称是否与配置文件键名完全匹配

Q: 某个模型无响应？

  • 尝试切换到其他模型（如 Gemini 2.5 Flash）
  • 检查该 API 服务商的状态页面
  • 降低并发请求数（减少采样器/评估器数量）

拟合效果问题

Q: 拟合结果不理想？

  1. 增加搜索强度：提高岛屿数量（3→8）和循环次数（5→10）
  2. 启用 Fuzzy 模式：使用自然语言理论描述辅助
  3. 尝试不同模型：GPT-4o 通常比 Mini 版本效果更好
  4. 优化数据质量：确保画布曲线清晰、数据点分布均匀
  5. 调整函数库：根据预期函数类型选择合适的基础函数

Q: 日志在哪里查看？

  • 自动保存在 logs/ 目录下
  • 每次拟合创建带时间戳的子目录
  • 包含完整的拟合过程、API 调用和错误信息
  • 可在终端查看实时输出日志

性能优化建议

  • 快速测试：岛屿数=3，循环数=3，交互数=5
  • 高质量拟合：岛屿数=8，循环数=10，交互数=10
  • 成本控制：使用 Gemini 2.5 Flash 或 GPT-4o Mini
  • 复杂表达式：启用 Fuzzy 模式，使用 GPT-4o

📚 相关文档

🤝 贡献指南

欢迎提交 Issue 和 Pull Request！

  1. Fork 本仓库并创建特性分支
  2. 遵循现有代码风格和注释规范
  3. 添加必要的测试和文档
  4. 提交 Pull Request 并描述变更内容

📄 许可证

MIT License - 详见 LICENSE 文件

📞 支持与反馈

遇到问题或有改进建议？

🎯 开始探索 AI 驱动的符号回归吧！

基于大语言模型的智能数学表达式发现系统

About

Demo app for ideasearch-fit

Resources

Readme

License

MIT license
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages

  • Python 92.3%
  • Shell 7.7%