Решение многозадачной оптимизации графа в Python

Я пытаюсь найти то, что кажется сложной и трудоемкой многоцелевой оптимизацией на большом графике.

Вот в чем проблема: я хочу найти граф из n вершин (n постоянно, скажем, 100) и m ребер (m может меняться), где оптимизируется набор метрик:

• Метрика а должна быть как можно выше
• Метрика B должна быть как можно ниже
• Метрика C должна быть как можно выше
• Метрика D должна быть такой же низкой, как возможно

Мое лучшее предположение-пойти с GA. Я не очень хорошо знаком с генетическими алгоритмами, но могу потратить немного времени, чтобы изучить основы. Из того, что я читаю до сих пор, я должен пойти как таковой:

1. генерировать популяцию графов из n узлов, случайно связанных с друг друга через m = случайные [1,2000] (например) ребра
2. запустите метрики A, B, C, D на каждом графике
Найдено ли оптимальное решение (как определено в задаче)?

Если да, идеальный. Если нет:

1. выберите лучшие графики
2. кроссовер
3. мутировать (добавлять или удалять ребра случайным образом?)
4. перейти к пункту 3.

Теперь я обычно использую Python для моих маленьких экспериментов. Мог бы DEAP (https://code.google.com/p/deap / ) помогите мне с этой проблемой? Если да, то у меня есть еще много вопросов (особенно по шагам crossover и mutate), но вкратце: достаточно ли просты шаги (в Python, используя DEAP), чтобы их можно было объяснить или обобщить здесь?

Я могу попробуйте и уточните, если это необходимо. Овации.