Question

我写了一个算法，它返回一个类似于nsga2返回的列表。（包“mco”（pdf））

的nsga2

算法本身无法识别一个点是否是非支配的。它返回的一些点是主导的，它只包含点及其值，而不是nsga2返回的逻辑向量。

我试图获得非支配点（而非他们的价值观）。

使用nsga2的结果，您可以使用paretoSet（）来获取值，但这取决于在nsga2期间已预先计算逻辑向量。

我还查看了“mco”的paretoFront（）/ paretoFilter（）和“emoa”（pdf）包的nondominated_points（），但是他们只使用值，没有办法得到分。

解决这个问题的一种方法是接受这些值，然后为每个值通过这些点，查看它是否具有该值，如果是，则将其添加到列表中。但我认为必须存在一个返回点的函数。

要重现这一点，您可以使用：

res = nsga2(func, 3, 2, lower.bounds=rep(0, 5), upper.bounds=rep(1, 5))
res$pareto.optimal = NULL
points = paretoSet(res) # points will be empty because res does 
                        # not have the logic vector

Answer 1

这是一个迟到的答案，但它可能对将来的访问者有用。

在使用不同的输入数据更仔细地测试您的答案代码后，我意识到在某些情况下它可能效果不佳。

看看这个例子。输入数据为here。

使用您的代码的结果（改编）：

urlfile<-'https://raw.githubusercontent.com/allanvc/pareto_non_dominated_points-test/master/data_example.txt'
dt<-read.table(urlfile, header=TRUE)

from = 1:nrow(dt)
d <- as.data.frame(cbind(dt, from))
D = d[order(d$x, d$y), ]
nondom = D[which(!duplicated(cummin(d$y))), ]

plot(d[,c(1,2)])
points(nondom, col='red')

我们可以清楚地看到您的算法无法正确找到非支配点。左下角（靠近原点）的紫色点就是其中之一。

在寻求替代方案和快速解决方案之后，我找到了两个完成这项工作的软件包：＆＃34; ecr＆＃34;和＃34; emoa＆＃34;。实际上，emoa将ecr加载到内部。

与ecr：

# ecr alternative:
library(ecr)
nondom_ecr <- dt[which.nondominated(t(dt)),]

plot(dt)
points(nondom_ecr, col='red')

与emoa：

library(emoa) nondom_emoa <- nondominated_points(t(as.matrix(dt))) plot(dt) points(t(nondom_emoa), col='green')

注意：

在这两种情况下，我们都必须将我们的数据矩阵作为长格式＆＃34;功能。所以我们简单地用t（）转置它。

您可以在以下网址找到有关这些套餐的更多信息：

https://www.rdocumentation.org/packages/ecr/versions/2.1.0/

http://r.adu.org.za/web/packages/emoa/emoa.pdf

会话信息：

R version 3.4.4 (2018-03-15) Platform: x86_64-pc-linux-gnu (64-bit) Running under: Linux Mint 18.3 Matrix products: default BLAS: /usr/lib/libblas/libblas.so.3.6.0 LAPACK: /usr/lib/lapack/liblapack.so.3.6.0 locale: [1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C LC_TIME=en_US.UTF-8 LC_COLLATE=en_US.UTF-8 [5] LC_MONETARY=pt_BR.UTF-8 LC_MESSAGES=en_US.UTF-8 LC_PAPER=pt_BR.UTF-8 LC_NAME=C [9] LC_ADDRESS=C LC_TELEPHONE=C LC_MEASUREMENT=pt_BR.UTF-8 LC_IDENTIFICATION=C attached base packages: [1] stats graphics grDevices utils datasets methods base other attached packages: [1] emoa_0.5-0 ecr_2.1.0 smoof_1.5.1 checkmate_1.8.5 ParamHelpers_1.10 BBmisc_1.11 [7] magrittr_1.5 ggplot2_2.2.1 RcppMLPACK_1.0.10-6 Rcpp_0.12.16 loaded via a namespace (and not attached): [1] parallelMap_1.3 pillar_1.1.0 compiler_3.4.4 RColorBrewer_1.1-2 plyr_1.8.4 bindr_0.1 [7] tools_3.4.4 digest_0.6.14 viridisLite_0.2.0 jsonlite_1.5 tibble_1.4.2 gtable_0.2.0 [13] pkgconfig_2.0.1 rlang_0.1.6 parallel_3.4.4 yaml_2.1.16 bindrcpp_0.2 stringr_1.2.0 [19] dplyr_0.7.4 httr_1.3.1 htmlwidgets_1.0 plot3D_1.1.1 grid_3.4.4 glue_1.2.0 [25] data.table_1.10.4-3 R6_2.2.2 plotly_4.7.1 mco_1.0-15.1 RJSONIO_1.3-0 reshape2_1.4.3 [31] tidyr_0.7.2 purrr_0.2.4 backports_1.1.2 scales_0.5.0 htmltools_0.3.6 assertthat_0.2.0 [37] misc3d_0.8-4 colorspace_1.3-2 labeling_0.3 stringi_1.1.6 lazyeval_0.2.1 munsell_0.4.3

Answer 2

自己找到答案。（没有人回答超过2天似乎有点动机）

对于可视化，此示例显示了在实现非支配计算时如何保留点的颜色，显然您也可以将搜索空间坐标存储在多个列中。（注意：这个例子专门针对2个目标，但可以推广）

x = runif(20)
y = runif(20)
from = 1:20
d = data.frame(x, y, from)
d
D = d[order(d$x, d$y), ]
nondom = D[which(!duplicated(cummin(D$y))), ]
nondom
plot(d[,1:2], col=d$from, xlim=c(0,1), ylim=c(0,1))
plot(nondom[,1:2], col=nondom$from, xlim=c(0,1), ylim=c(0,1))

帕累托最优化 - 非支配点

2 个答案: