Question

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，文档也不是很具描述性。我想知道这里是否有人有PyGMO经验：这可能相当简单。

我尝试在下面构建一个最小示例：

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是尝试设置适合度维度的失败。代码失败，出现以下错误：

ValueError: ..\..\src\problem\base.cpp,584: fitness dimension was changed inside objfun_impl().

如果有人可以帮我解决这个问题，我将不胜感激。谢谢！

Answer 1

您是否正在关注correct documentation？

没有fdim（在你的例子中无论如何都没有，因为它只是一个局部变量并且没有被使用）。但有n_obj：

n_obj：目标数量。默认为1

所以，我认为你想要的东西（感谢@Distopia更正）：

#(...)
def __init__(self, fdim=2):
    NUM_PARAMS = 4
    super(my_problem, self).__init__(NUM_PARAMS, 0, fdim)
    self.set_bounds(0.01, 100)
#(...)

Answer 2

我修改了他们的例子，这似乎对我有用。

#(...)
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)
#(...)

使用PyGMO进行多目标优化

2 个答案: