Python 使用PyGMO的多目标优化
我正在使用Python的PyGMO包进行多目标优化。我无法在构造函数中修复适应度函数的维度,文档也不是很有描述性。我想知道这里是否有人在过去有过PyGMO的经验:这可能相当简单 我尝试在下面构建一个最小的示例:Python 使用PyGMO的多目标优化,python,mathematical-optimization,pygmo,Python,Mathematical Optimization,Pygmo,我正在使用Python的PyGMO包进行多目标优化。我无法在构造函数中修复适应度函数的维度,文档也不是很有描述性。我想知道这里是否有人在过去有过PyGMO的经验:这可能相当简单 我尝试在下面构建一个最小的示例: from PyGMO.problem import base from PyGMO import algorithm, population import numpy as np import matplotlib.pyplot as plt class my_problem(bas
from PyGMO.problem import base
from PyGMO import algorithm, population
import numpy as np
import matplotlib.pyplot as plt
class my_problem(base):
def __init__(self, fdim=2):
NUM_PARAMS = 4
super(my_problem, self).__init__(NUM_PARAMS)
self.set_bounds(0.01, 100)
def _objfun_impl(self, K):
E1 = K[0] + K[2]
E2 = K[1] + K[3]
return (E1, E2, )
if __name__ == '__main__':
prob = my_problem() # Create the problem
print (prob)
algo = algorithm.sms_emoa(gen=100)
pop = population(prob, 50)
pop = algo.evolve(pop)
F = np.array([ind.cur_f for ind in pop]).T
plt.scatter(F[0], F[1])
plt.xlabel("$E_1$")
plt.ylabel("$E_2$")
plt.show()
上面的fdim=2
是设置适应度维度的失败尝试。代码失败,出现以下错误:
ValueError: ..\..\src\problem\base.cpp,584: fitness dimension was changed inside objfun_impl().
如果有人能帮我解决这个问题,我将不胜感激。谢谢 你在看电视吗
没有fdim
(在您的示例中,fdim无论如何都不起作用,因为它只是一个局部变量,没有使用)。但是有一个对象n_obj:
n_obj:目标数量。默认为1
所以,我想你需要这样的东西(通过@Distopia纠正):
我修改了他们的例子,这似乎对我有效
#(...)
def __init__(self, fdim=2):
NUM_PARAMS = 4
# We call the base constructor as 'dim' dimensional problem, with 0 integer parts and 2 objectives.
super(my_problem, self).__init__(NUM_PARAMS,0,fdim)
self.set_bounds(0.01, 100)
#(...)
我得到一个错误:
n_obj
似乎是一个未定义的关键字参数。然而,下面@Distopia的解决方案是有效的——我猜\uuuu init\uuuu
的参数顺序是问题维度(或参数数量),然后是约束维度,最后是适应度维度。没问题,很高兴它有帮助。为了完成,我更新了代码片段。
#(...)
def __init__(self, fdim=2):
NUM_PARAMS = 4
# We call the base constructor as 'dim' dimensional problem, with 0 integer parts and 2 objectives.
super(my_problem, self).__init__(NUM_PARAMS,0,fdim)
self.set_bounds(0.01, 100)
#(...)