Ich verwende das PyGMO-Paket für Python, für Multi-Objektive-Optimierung. Ich bin nicht in der Lage, die Dimension der Fitness-Funktion im Konstruktor zu reparieren, und die Dokumentation ist auch nicht sehr beschreibend. Ich frage mich, ob jemand hier in der Vergangenheit Erfahrungen mit PyGMO gemacht hat: Das könnte ziemlich einfach sein.Multi-Ziel-Optimierung mit PyGMO
Ich versuche unter einem Minimum Beispiel zu konstruieren:
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()
fdim=2
oben ist ein gescheiterter Versuch, die Fitness-Dimension zu setzen. Der Code schlägt mit dem folgenden Fehler fehl:
ValueError: ..\..\src\problem\base.cpp,584: fitness dimension was changed inside objfun_impl().
Ich wäre dankbar, wenn jemand helfen kann, dies herauszufinden. Vielen Dank!
Ich bekomme den Fehler: 'n_obj' scheint ein undefiniertes Schlüsselwort Argument zu sein. Allerdings ist die Lösung von @Distopia unten funktioniert --- Ich rate die Reihenfolge der Argumente für "__init__" ist Problem Dimension (oder Anzahl der Parameter), gefolgt von Constraint-Dimensionen und schließlich fitness Dimension. –
Kein Problem, froh, dass es geholfen hat – rll
Ich habe das Code-Snippet aus Gründen der Fertigstellung aktualisiert. – rll