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：

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)
#(...)