jMetal使用教程（2）

最新推荐文章于 2024-08-15 09:45:45 发布
最新推荐文章于 2024-08-15 09:45:45 发布
阅读量1k 收藏 1
点赞数 2
分类专栏： MOEA 文章标签： JMetal

上一节介绍了jMetal的大致框架结构，本节贴一个完整的例子。

优化问题

假定我们需要对这样的问题进行优化：

也就是多目标优化测试集ZDT1函数。

这个优化问题有30个决策变量，2个优化目标函数（最小化）。决策变量的定义域相同，都是[0,1]的实数。目标函数也是实数类型。

我们决定采用NSGA-II算法对这个优化问题进行建模求解，选择算子采用二元锦标赛选择法，交叉算子用SBXcrossover，变异算子用SimpleRandomMutation（随机变异）。

 

配置算法

定义Problem

既然定义域和目标函数都是实数域的，那我们只要对AbstractDoubleProblem类进行实现就行了。


 
 

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     public 
     
     class ZDT1 extends AbstractDoubleProblem {
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     /** Constructor. Creates default instance of problem ZDT1 (30 decision variables) */
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     public ZDT1() {
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     this(
     
     30);
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       }
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     /**
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        * Creates a new instance of problem ZDT1.
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        *
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        * @param numberOfVariables Number of variables.
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        */
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     public ZDT1(Integer numberOfVariables) {
    
    
    
   
   
  14. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         setNumberOfVariables(numberOfVariables);
     
     //设定决策变量个数，30
    
    
    
   
   
  15. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         setNumberOfObjectives(
     
     2);
     
     //设定优化目标函数个数,2
    
    
    
   
   
  16. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         setName(
     
     "ZDT1");
     
     //给这个问题起名,ZDT1.
    
    
    
   
   
  17. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  18. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         List<Double> lowerLimit = 
     
     new ArrayList<>(getNumberOfVariables()) ;
    
    
    
   
   
  19. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         List<Double> upperLimit = 
     
     new ArrayList<>(getNumberOfVariables()) ;
    
    
    
   
   
  20. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  21. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     //设置定义域
    
    
    
   
   
  22. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     for (
     
     int i = 
     
     0; i < getNumberOfVariables(); i++) {
    
    
    
   
   
  23. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
           lowerLimit.add(
     
     0.0);
    
    
    
   
   
  24. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
           upperLimit.add(
     
     1.0);
    
    
    
   
   
  25. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         }
    
    
    
   
   
  26. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  27. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         setLowerLimit(lowerLimit);
    
    
    
   
   
  28. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         setUpperLimit(upperLimit);
    
    
    
   
   
  29. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       }
    
    
    
   
   
  30. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  31. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     //这里就是优化目标函数的实现过程，Algorithm.evlataionPopulation()会调用这个方法
    
    
    
   
   
  32. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     /** Evaluate() method */
    
    
    
   
   
  33. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     public void evaluate(DoubleSolution solution) {
    
    
    
   
   
  34. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     double[] f = 
     
     new 
     
     double[getNumberOfObjectives()];
    
    
    
   
   
  35. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  36. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         f[
     
     0] = solution.getVariableValue(
     
     0);
    
    
    
   
   
  37. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     double g = 
     
     this.evalG(solution);
    
    
    
   
   
  38. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     double h = 
     
     this.evalH(f[
     
     0], g);
    
    
    
   
   
  39. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         f[
     
     1] = h * g;
    
    
    
   
   
  40. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  41. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         solution.setObjective(
     
     0, f[
     
     0]);
    
    
    
   
   
  42. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         solution.setObjective(
     
     1, f[
     
     1]);
    
    
    
   
   
  43. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       }
    
    
    
   
   
  44. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  45. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     /**
    
    
    
   
   
  46. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        * Returns the value of the ZDT1 function G.
    
    
    
   
   
  47. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        *
    
    
    
   
   
  48. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        * @param solution Solution
    
    
    
   
   
  49. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        */
    
    
    
   
   
  50. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     private double evalG(DoubleSolution solution) {
    
    
    
   
   
  51. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     double g = 
     
     0.0;
    
    
    
   
   
  52. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     for (
     
     int i = 
     
     1; i < solution.getNumberOfVariables(); i++) {
    
    
    
   
   
  53. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
           g += solution.getVariableValue(i);
    
    
    
   
   
  54. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         }
    
    
    
   
   
  55. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     double constant = 
     
     9.0 / (solution.getNumberOfVariables() - 
     
     1);
    
    
    
   
   
  56. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         g = constant * g;
    
    
    
   
   
  57. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         g = g + 
     
     1.0;
    
    
    
   
   
  58. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     return g;
    
    
    
   
   
  59. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       }
    
    
    
   
   
  60. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  61. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     /**
    
    
    
   
   
  62. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        * Returns the value of the ZDT1 function H.
    
    
    
   
   
  63. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        *
    
    
    
   
   
  64. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        * @param f First argument of the function H.
    
    
    
   
   
  65. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        * @param g Second argument of the function H.
    
    
    
   
   
  66. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
        */
    
    
    
   
   
  67. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     public double evalH(double f, double g) {
    
    
    
   
   
  68. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     double h ;
    
    
    
   
   
  69. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         h = 
     
     1.0 - Math.sqrt(f / g);
    
    
    
   
   
  70. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     return h;
    
    
    
   
   
  71. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       }
    
    
    
   
   
  72. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     }

上面是包里面的ZDT1源码。

定义Solution

决策变量不复杂，完全可以使用开源包提供的DefaultBinarySolution。

 


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     public 
     
     class DefaultDoubleSolution 
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     extends 
     
     AbstractGenericSolution<
     
     Double, 
     
     DoubleProblem>
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     implements 
     
     DoubleSolution {
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     /** Constructor */
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     public DefaultDoubleSolution(DoubleProblem problem) {
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     super(problem) ;
     
     //会在父类AbstractGenericSolution里设置决策变量和优化目标函数空间，这里便是30和2.
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         initializeDoubleVariables();
     
     //随机初始化决策变量
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         initializeObjectiveValues();
     
     //优化目标函数设为0,0
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       }
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     /** Copy constructor */
    
    
    
   
   
  14. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     public DefaultDoubleSolution(DefaultDoubleSolution solution) {
    
    
    
   
   
  15. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     super(solution.problem) ;
    
    
    
   
   
  16. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  17. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     for (
     
     int i = 
     
     0; i < problem.getNumberOfVariables(); i++) {
    
    
    
   
   
  18. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
           setVariableValue(i, solution.getVariableValue(i));
    
    
    
   
   
  19. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         }
    
    
    
   
   
  20. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  21. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     for (
     
     int i = 
     
     0; i < problem.getNumberOfObjectives(); i++) {
    
    
    
   
   
  22. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
           setObjective(i, solution.getObjective(i)) ;
    
    
    
   
   
  23. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         }
    
    
    
   
   
  24. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  25. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         attributes = 
     
     new HashMap<Object, Object>(solution.attributes) ;
    
    
    
   
   
  26. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       }
    
    
    
   
   
  27. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  28. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     @Override
    
    
    
   
   
  29. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     public Double getUpperBound(int index) {
    
    
    
   
   
  30. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     return problem.getUpperBound(index);
    
    
    
   
   
  31. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       }
    
    
    
   
   
  32. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  33. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     @Override
    
    
    
   
   
  34. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     public Double getLowerBound(int index) {
    
    
    
   
   
  35. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     return problem.getLowerBound(index) ;
    
    
    
   
   
  36. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       }
    
    
    
   
   
  37. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  38. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     @Override
    
    
    
   
   
  39. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     public DefaultDoubleSolution copy() {
    
    
    
   
   
  40. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     return 
     
     new DefaultDoubleSolution(
     
     this);
    
    
    
   
   
  41. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       }
    
    
    
   
   
  42. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  43. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     @Override
    
    
    
   
   
  44. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     public String getVariableValueString(int index) {
    
    
    
   
   
  45. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     return getVariableValue(index).toString() ;
    
    
    
   
   
  46. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       }
    
    
    
   
   
  47. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
    
    
    
   
   
  48. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     private void initializeDoubleVariables() {
    
    
    
   
   
  49. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     for (
     
     int i = 
     
     0 ; i < problem.getNumberOfVariables(); i++) {
    
    
    
   
   
  50. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
           Double value = randomGenerator.nextDouble(getLowerBound(i), getUpperBound(i)) ;
    
    
    
   
   
  51. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
           setVariableValue(i, value) ;
    
    
    
   
   
  52. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         }
    
    
    
   
   
  53. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       }
    
    
    
   
   
  54. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     }
    
    
    
   
   

 
 
 

 

 

定义Operator
 

开源包的常用的操作算子都有，我们只要把需要的提供给Algorithm就可以了。
 


 

配置Algorithm
 

 


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import org.uma.jmetal.algorithm.Algorithm;
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import org.uma.jmetal.algorithm.multiobjective.nsgaii.NSGAIIBuilder;
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import org.uma.jmetal.operator.CrossoverOperator;
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import org.uma.jmetal.operator.MutationOperator;
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import org.uma.jmetal.operator.SelectionOperator;
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import org.uma.jmetal.operator.impl.crossover.SBXCrossover;
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import org.uma.jmetal.operator.impl.mutation.SimpleRandomMutation;
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import org.uma.jmetal.operator.impl.selection.BinaryTournamentSelection;
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import org.uma.jmetal.problem.Problem;
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import org.uma.jmetal.problem.multiobjective.zdt.ZDT1;
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import org.uma.jmetal.solution.DoubleSolution;
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import org.uma.jmetal.util.AlgorithmRunner;
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import org.uma.jmetal.util.JMetalLogger;
    
    
    
   
   
  14. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import org.uma.jmetal.util.comparator.RankingAndCrowdingDistanceComparator;
    
    
    
   
   
  15. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  16. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import java.io.FileNotFoundException;
    
    
    
   
   
  17. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import java.util.List;
    
    
    
   
   
  18. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  19. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import 
     
     static org.uma.jmetal.runner.AbstractAlgorithmRunner.printFinalSolutionSet;
    
    
    
   
   
  20. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import 
     
     static org.uma.jmetal.runner.AbstractAlgorithmRunner.printQualityIndicators;
    
    
    
   
   
  21. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  22. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  23. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     /**
    
    
    
   
   
  24. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
      * Solve ZDT1 with NSGA-II on jMetal
    
    
    
   
   
  25. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
      */
    
    
    
   
   
  26. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     public 
     
     class ZDT1_jMetal {
    
    
    
   
   
  27. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     public static void main(String[] args) throws FileNotFoundException {
    
    
    
   
   
  28. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
             Problem<DoubleSolution> problem;
    
    
    
   
   
  29. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
             Algorithm<List<DoubleSolution>> algorithm;
    
    
    
   
   
  30. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
             CrossoverOperator<DoubleSolution> crossover;
    
    
    
   
   
  31. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
             MutationOperator<DoubleSolution> mutation;
    
    
    
   
   
  32. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
             SelectionOperator<List<DoubleSolution>, DoubleSolution> selection;
    
    
    
   
   
  33. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
             String referenceParetoFront = 
     
     "";
    
    
    
   
   
  34. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     //定义优化问题
    
    
    
   
   
  35. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
             problem = 
     
     new ZDT1();
    
    
    
   
   
  36. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     //配置SBX交叉算子
    
    
    
   
   
  37. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     double crossoverProbability = 
     
     0.9;
    
    
    
   
   
  38. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     double crossoverDistributionIndex = 
     
     20.0;
    
    
    
   
   
  39. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
             crossover = 
     
     new SBXCrossover(crossoverProbability, crossoverDistributionIndex);
    
    
    
   
   
  40. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     //配置变异算子
    
    
    
   
   
  41. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     double mutationProbability = 
     
     1.0 / problem.getNumberOfVariables();
    
    
    
   
   
  42. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     //  double mutationDistributionIndex = 20.0 ;
    
    
    
   
   
  43. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
             mutation = 
     
     new SimpleRandomMutation(mutationProbability);
    
    
    
   
   
  44. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     //配置选择算子
    
    
    
   
   
  45. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
             selection = 
     
     new BinaryTournamentSelection<DoubleSolution>(
    
    
    
   
   
  46. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
                    
     
     new RankingAndCrowdingDistanceComparator<DoubleSolution>());
    
    
    
   
   
  47. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     //将组件注册到algorithm
    
    
    
   
   
  48. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
             algorithm = 
     
     new NSGAIIBuilder<DoubleSolution>(problem, crossover, mutation)
    
    
    
   
   
  49. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
                     .setSelectionOperator(selection)
    
    
    
   
   
  50. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
                     .setMaxEvaluations(
     
     25000)
    
    
    
   
   
  51. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
                     .setPopulationSize(
     
     100)
    
    
    
   
   
  52. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
                     .build();
    
    
    
   
   
  53. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     /* 或者用这样的方法注册一个算法
    
    
    
   
   
  54. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
               evaluator = new SequentialSolutionListEvaluator<DoubleSolution>();
    
    
    
   
   
  55. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
               algorithm = new NSGAII<DoubleSolution>(problem, 25000, 100, crossover,
    
    
    
   
   
  56. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
               mutation, selection, evaluator);
    
    
    
   
   
  57. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     */
    
    
    
   
   
  58. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     //用AlgorithmRunner运行算法
    
    
    
   
   
  59. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
             AlgorithmRunner algorithmRunner = 
     
     new AlgorithmRunner.Executor(algorithm).execute();
    
    
    
   
   
  60. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     //获取结果集
    
    
    
   
   
  61. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
             List<DoubleSolution> population = algorithm.getResult();
    
    
    
   
   
  62. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     long computingTime = algorithmRunner.getComputingTime();
    
    
    
   
   
  63. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  64. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
             JMetalLogger.logger.info(
     
     "Total execution time: " + computingTime + 
     
     "ms");
    
    
    
   
   
  65. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     //将全部种群打印到文件中
    
    
    
   
   
  66. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
             printFinalSolutionSet(population);
    
    
    
   
   
  67. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
            
     
     if (!referenceParetoFront.equals(
     
     "")) printQualityIndicators(population, referenceParetoFront);
    
    
    
   
   
  68. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         }
    
    
    
   
   
  69. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     }
    
    
    
   
   

 
 
 

 

 

可能有人会问DefaultDoubleSolution是在哪里注册进算法的，答案是在类AbstractDoubleProblem里，因为ZDT1 extends AbstractDoubleProblem，而AbstractDoubleProblem override了createSolution()方法。
 

 
 
 
 


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
     
     @Override
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
      
     
     public DoubleSolution createSolution() {
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     return 
     
     new DefaultDoubleSolution(
     
     this)  ;
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
       }
    
    
    
   
   

 
 
 

 

这样便把DefaultDoubleSolution注册进行了算法。
 

整个算法的全部组件也就注册完毕，可以用AlgorithmRunner跑算法了。
 

运行结束后，文件夹下有两个文件：FUN.tsv以及VAR.tsv，分别是种群中每个个体的目标函数值以及变量取值。
 

FUN.tsv:
 


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0.9991565401450556 0.033138122686883334 
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     2
     
     .1067790428441063E-8 1
     
     .0595872968618374 
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .9991565401450556 0
     
     .033138122686883334 
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .0030874146922019036 1
     
     .0077962135879674 
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .37208796983749715 0
     
     .4376249588422198 
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .012235830807169515 0
     
     .9449966538390078 
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .904673999160248 0
     
     .08738808177979915 
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .8782179346960335 0
     
     .09748359378144718 
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .5431994204942634 0
     
     .30592147506205464 
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .9169218831064787 0
     
     .07802500987158069 
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     9
     
     .468202994405428E-4 1
     
     .0379086786786225 
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     ...
    
    
    
   
   

 
 
 

VAR.tsv:
 


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0.9991565401450556 0.00794252537669871 0.005488981392981174 0.005967005140972121 0.01162606289274464 0.002201447846900849 9.94537425543528E-5 0.029018625966103245 6.246349761912435E-4 0.012411458377153944 6.13041394387238E-4 0.006672893568571068 0.004683245361043199 0.0060270800004386255 0.02092406367804804 0.006027912828149411 0.008141486757360285 0.005252329949473475 0.013588708050315333 4.75250834980327E-4 0.004877702130228007 0.00865616423126847 0.007134221657092997 5.82125403093642E-4 0.00218258306150891 0.002637239173984704 0.00470701459937204 0.003447998437515465 0.025117498398781753 3.858761644549365E-4 
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     2
     
     .1067790428441063E-8 0
     
     .0013449663939222802 0
     
     .005567610317640469 0
     
     .005954896771763153 0
     
     .011208137141151507 0
     
     .0022871789133387587 2
     
     .5533956835596477E-4 0
     
     .0289730300686882 0
     
     .0011161183476621267 0
     
     .012088625407047743 4
     
     .853248844326898E-4 0
     
     .005576530486173516 0
     
     .0044146222306917 0
     
     .005591849962373359 0
     
     .023510812594118094 0
     
     .00559698303998508 0
     
     .008526548202102548 0
     
     .004978541310143319 0
     
     .013456059721873422 2
     
     .1599275436113581E-4 6
     
     .464262956128893E-4 0
     
     .008659442671210112 0
     
     .007455323262755572 5
     
     .330734255766625E-4 0
     
     .0022947851159189434 0
     
     .0030778464130739574 0
     
     .004314818022123099 0
     
     .001781848589289457 0
     
     .021977664906484087 5
     
     .945794636948833E-4 
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .9991565401450556 0
     
     .00794252537669871 0
     
     .005488981392981174 0
     
     .005967005140972121 0
     
     .01162606289274464 0
     
     .002201447846900849 9
     
     .94537425543528E-5 0
     
     .029018625966103245 6
     
     .246349761912435E-4 0
     
     .012411458377153944 6
     
     .13041394387238E-4 0
     
     .006672893568571068 0
     
     .004683245361043199 0
     
     .0060270800004386255 0
     
     .02092406367804804 0
     
     .006027912828149411 0
     
     .008141486757360285 0
     
     .005252329949473475 0
     
     .013588708050315333 4
     
     .75250834980327E-4 0
     
     .004877702130228007 0
     
     .00865616423126847 0
     
     .007134221657092997 5
     
     .82125403093642E-4 0
     
     .00218258306150891 0
     
     .002637239173984704 0
     
     .00470701459937204 0
     
     .003447998437515465 0
     
     .025117498398781753 3
     
     .858761644549365E-4 
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .0030874146922019036 0
     
     .0013365539852478229 0
     
     .005182909391226278 0
     
     .005924058411554409 0
     
     .01118229152772865 0
     
     .0023366965932723107 6
     
     .324521846327583E-4 0
     
     .02902028721867136 0
     
     .0011174873826591525 0
     
     .01607317788065011 6
     
     .077775832455531E-4 0
     
     .006609063533908074 0
     
     .00472212763605761 0
     
     .005586115559330742 0
     
     .022093069920163133 0
     
     .006032975289233088 0
     
     .014177472883379724 0
     
     .0052542905516060915 0
     
     .013637172738984167 2
     
     .734608072910316E-4 0
     
     .0029789664575808625 0
     
     .008723311209515585 0
     
     .006044781487938784 0
     
     .0013550275939853108 0
     
     .002301784894338042 0
     
     .003094401868258896 0
     
     .00424763759778414 0
     
     .006162891640480703 0
     
     .02260147162700153 5
     
     .921644622272565E-4 
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .37208796983749715 0
     
     .007932549826772503 0
     
     .005733838000832022 0
     
     .0061354083927397255 0
     
     .011604533262840262 0
     
     .002057314894585316 0
     
     .0010022101119812942 0
     
     .02989733667311966 6
     
     .08282024185579E-4 0
     
     .012397126776630542 5
     
     .998275335958403E-4 0
     
     .01506087655460484 0
     
     .00464291351178865 0
     
     .0062300516654778156 0
     
     .022091445462216315 0
     
     .006034719138346714 0
     
     .008774192194392884 0
     
     .005141814397898589 0
     
     .013523660901499517 2
     
     .4368083649250132E-4 0
     
     .005086534568764959 0
     
     .00876978780529207 0
     
     .0061817493730077135 3
     
     .773946149720617E-4 0
     
     .0022826316241897696 0
     
     .0026309829327736903 0
     
     .0043080146273272845 0
     
     .004863767090151326 0
     
     .022041285378979106 0
     
     .002919760394030697 
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .012235830807169515 8
     
     .125951402240999E-4 0
     
     .0050749586887912515 0
     
     .005970026173914942 0
     
     .011124075536426553 0
     
     .002255533872477719 2
     
     .3804311416268848E-4 0
     
     .02896806187268283 0
     
     .001178737141893214 0
     
     .012889284788012045 0
     
     .001146718928935113 0
     
     .006684571308397864 0
     
     .004701577104002668 0
     
     .006145095155351619 0
     
     .009724710443257225 0
     
     .005958323414437711 0
     
     .008857307647993846 0
     
     .005005266186932944 0
     
     .013775188791515004 4
     
     .986577741944896E-4 0
     
     .0012484367533888785 0
     
     .008655578390633521 0
     
     .006356590677832672 0
     
     .002476110520203009 0
     
     .0037830608116732195 0
     
     .0013633927705415851 0
     
     .004291824785684132 0
     
     .004911922026652875 0
     
     .025117218984693157 3
     
     .150747401875623E-4 
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .904673999160248 0
     
     .00795295101934479 0
     
     .004668491628057082 0
     
     .005965422404070663 0
     
     .010626120447424963 0
     
     .0018483651646261116 1
     
     .0211366264457851E-4 0
     
     .029031421890728742 0
     
     .001213671378936406 0
     
     .012512256675432692 6
     
     .128517111181102E-4 0
     
     .015087440116505575 0
     
     .004740608112462564 0
     
     .0055412868961014165 0
     
     .02094905360517965 0
     
     .006027669409611225 0
     
     .008384542334256154 0
     
     .005253642628464492 0
     
     .013586813701144918 0
     
     .004404204800487962 0
     
     .004886217079598717 0
     
     .011257629400441088 0
     
     .007164707950615741 4
     
     .574943191636639E-4 0
     
     .0021761859274254847 0
     
     .014838541276046113 0
     
     .004684293032704989 0
     
     .0036265152774918536 0
     
     .025032963402199793 4
     
     .252820662178495E-4 
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .8782179346960335 0
     
     .0016041708744499602 0
     
     .006899999702285518 0
     
     .00596999474056966 0
     
     .011088167521215015 0
     
     .002414424964104206 0
     
     .0013525153329467644 0
     
     .03008160193028079 0
     
     .001191286365730821 0
     
     .013034967872517633 0
     
     .0011680907731348967 0
     
     .00663808869634212 0
     
     .004778598593081433 0
     
     .006288306113962981 0
     
     .02093409398141728 0
     
     .006034864244001367 0
     
     .008904099721092313 0
     
     .005508775770161228 0
     
     .01364664361798086 0
     
     .0014072719221244947 0
     
     .0018549389516085008 0
     
     .00866606529745734 0
     
     .00632902496958632 4
     
     .3252550983526896E-4 0
     
     .003591273575747169 0
     
     .0038914114011958235 0
     
     .00467832727817725 0
     
     .0035085180247624317 0
     
     .02227928299366481 0
     
     .0028692334726116804 
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .5431994204942634 0
     
     .00812864056228683 0
     
     .0054381362608871 0
     
     .00498397304793199 0
     
     .01163767694734597 0
     
     .002406401968957903 9
     
     .361500782183961E-4 0
     
     .028992472660711033 4
     
     .280811187147705E-4 0
     
     .012521274567758417 4
     
     .8304214654408366E-4 0
     
     .007111109599035777 0
     
     .0044435470772817365 0
     
     .006034656565301625 0
     
     .02210510168861987 0
     
     .0060382383279277965 0
     
     .014059265672495021 0
     
     .005262244892028347 0
     
     .0145231048082589 2
     
     .3815913505616292E-4 0
     
     .004018610517012443 0
     
     .008982714988567425 0
     
     .007162729211694236 4
     
     .6775328230258333E-4 0
     
     .0038205971791198216 0
     
     .0028941264828776193 0
     
     .004715670709902365 0
     
     .004113310760342626 0
     
     .022015405766954235 0
     
     .003089015596881602 
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .9169218831064787 0
     
     .006873197457623489 0
     
     .00447774875980394 0
     
     .005954202128148086 0
     
     .011576360276168318 0
     
     .006896467448871528 9
     
     .206732369738643E-4 0
     
     .02897264139541762 5
     
     .598003243183494E-4 0
     
     .01237036281596434 4
     
     .6634548218446635E-4 0
     
     .015021961148446691 0
     
     .004757679638463736 0
     
     .005585230975314136 0
     
     .020916036471700053 0
     
     .005834251076688314 0
     
     .009084933278510208 0
     
     .005272191124850147 0
     
     .0134324998468881 6
     
     .047881665027912E-4 0
     
     .002957451465274495 0
     
     .008499051927838732 0
     
     .007123894173680034 0
     
     .002112191438272757 0
     
     .002769627956314701 0
     
     .002471389201318404 0
     
     .0042890598339392245 0
     
     .003901969367837922 0
     
     .022247904479982455 8
     
     .015950795629669E-4 
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     9
     
     .468202994405428E-4 0
     
     .008108147862655369 0
     
     .005583740318491689 0
     
     .005946454839843732 0
     
     .011164232647664014 0
     
     .002286774670967257 1
     
     .1149365314788023E-4 0
     
     .028973009754609456 0
     
     .0011721179276656145 0
     
     .012385508343827754 3
     
     .9589275921711405E-4 0
     
     .014830479357325774 0
     
     .004406450685528179 0
     
     .0049941145573371105 0
     
     .02177121944593872 0
     
     .005609038391525347 0
     
     .00844751082128077 0
     
     .0049769935425854304 0
     
     .013462266883788203 2
     
     .3996073800178056E-4 6
     
     .415175339798465E-4 0
     
     .008758940923228804 0
     
     .006348655136129133 0
     
     .0014859936779251556 0
     
     .002253622341351854 0
     
     .019780768066960823 0
     
     .004260788287923102 0
     
     .001446761508704708 0
     
     .021921147218730886 0
     
     .0029345747646658715 
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .01881114602498743 0
     
     .007950642093694135 0
     
     .005488981392981174 0
     
     .005966960159766708 0
     
     .011167300795306003 0
     
     .002181038745644766 7
     
     .410690428433743E-5 0
     
     .029012592469730494 0
     
     .003946689261948498 0
     
     .012325150399621565 3
     
     .71494052081239E-4 0
     
     .014776692391525034 0
     
     .00475905650450145 0
     
     .005997136771136709 0
     
     .022168669550171185 0
     
     .005664564121655441 0
     
     .00936513900739629 0
     
     .004982238230485714 0
     
     .013584475258313973 1
     
     .6149304723474316E-4 8
     
     .903025893192045E-4 0
     
     .00865639451948499 0
     
     .0071707157124095595 6
     
     .292935575611989E-4 0
     
     .0022541207125643956 0
     
     .002637239173984704 0
     
     .004714748023095962 0
     
     .003468929720545867 0
     
     .02505763572340817 0
     
     .0029598391320594573 
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .23298499893079222 0
     
     .0016257135964861228 0
     
     .005152513731803023 0
     
     .005971223451951964 0
     
     .013022620080819674 0
     
     .0022741786008502523 2
     
     .54873713356231E-4 0
     
     .029021059392691468 6
     
     .457452430218996E-4 0
     
     .01198914807877857 4
     
     .714804591001599E-4 0
     
     .005437365608112113 0
     
     .004408468955113647 0
     
     .00558455308391179 0
     
     .022058037793348712 0
     
     .006037399830304305 0
     
     .0085623704760998 0
     
     .005273431769422143 0
     
     .013741960971672398 0
     
     .004770808818953412 6
     
     .23699456592703E-4 0
     
     .008743518199645634 0
     
     .007113945292034585 0
     
     .002483368688865986 0
     
     .002730915065464896 0
     
     .002197458924763655 0
     
     .0042855016145770305 0
     
     .0034872616532188806 0
     
     .022200447971782188 0
     
     .0029203348635731853 
    
    
    
   
   
  14. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .33795832387903835 0
     
     .0013878670101924624 0
     
     .0055012503483938355 0
     
     .005958291972440601 0
     
     .012914031689822733 0
     
     .007138961596017977 3
     
     .84525222857473E-4 0
     
     .029840209969010784 0
     
     .0011032732823058758 0
     
     .01283281375895352 4
     
     .8202285623741715E-4 0
     
     .014957296596785033 0
     
     .004408204202206455 0
     
     .005001675240016523 0
     
     .02206280627496202 0
     
     .006022449348261073 0
     
     .01870705955357888 0
     
     .005124585663793871 0
     
     .01357482811478876 0
     
     .004016850242940491 0
     
     .0028816735759766903 0
     
     .008982900408717218 0
     
     .006108748845230449 4
     
     .8987491496662E-4 0
     
     .0023523795052291237 0
     
     .0027156586238228945 0
     
     .004296059457185933 0
     
     .0033134144697818816 0
     
     .022108790733905877 0
     
     .002949604185074081 
    
    
    
   
   
  15. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .4945505347724345 0
     
     .008110055817903682 0
     
     .00542073529197596 0
     
     .004921465130614271 0
     
     .005196867991197382 0
     
     .0023591958295319845 9
     
     .297511701872295E-4 0
     
     .029021046828295295 4
     
     .580314575888718E-4 0
     
     .012336993098472863 3
     
     .3578423302317443E-4 0
     
     .006431969059674306 0
     
     .004726765961830731 0
     
     .0055315518363454885 0
     
     .022076739525782676 0
     
     .005591527738462926 0
     
     .013957200637348632 0
     
     .005506438608579756 0
     
     .013181024528799675 2
     
     .673496983465554E-4 0
     
     .004012632628060874 0
     
     .008799703034390628 0
     
     .0071225117567952 0
     
     .002247042705390879 0
     
     .003755134298478031 0
     
     .0026688968989695035 0
     
     .004324543168471341 0
     
     .004157400247394643 0
     
     .022152291218177262 5
     
     .158377860154952E-4 
    
    
    
   
   
  16. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .5616446249215836 0
     
     .001332180905821624 0
     
     .005655272194585227 0
     
     .005968019488366946 0
     
     .011571283469224354 0
     
     .006891705356197903 2
     
     .245200277602782E-4 0
     
     .028974273057526836 0
     
     .0011294908731750352 0
     
     .011696370199975221 0
     
     .0010875099129613733 0
     
     .006583585298019992 0
     
     .004412862909391745 0
     
     .006027765055281159 0
     
     .021038488585787704 0
     
     .00626320650333361 0
     
     .013641898210769634 0
     
     .004829241691886474 0
     
     .013574885614491496 4
     
     .908691193604029E-4 0
     
     .0021466268588485483 0
     
     .008986294882455328 0
     
     .005986254921579244 0
     
     .002148578218728449 0
     
     .003633975416714848 0
     
     .015335827444375675 0
     
     .004276883749172991 0
     
     .0036772290963547824 0
     
     .022124858462572203 0
     
     .0027092539305345028 
    
    
    
   
   
  17. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .1357838304237608 0
     
     .0012656456037606007 0
     
     .0069005060777872235 0
     
     .005954655120669166 0
     
     .011208558910543785 0
     
     .0024160739252773065 2
     
     .0281725708336566E-4 0
     
     .02898747166913942 0
     
     .001132392022993191 0
     
     .012517098440548102 0
     
     .0010141382926396824 0
     
     .013765693996134802 0
     
     .004713277852764419 0
     
     .006383591227011038 0
     
     .022099275370331437 0
     
     .005597872579773948 0
     
     .014521025136041603 0
     
     .004832002896453246 0
     
     .01357872488190142 4
     
     .899588499504312E-4 2
     
     .3574371555969763E-4 0
     
     .00897270251174062 0
     
     .007089457465681361 5
     
     .174000474507623E-4 0
     
     .0037066112913601047 0
     
     .02031417090275161 0
     
     .004682521407157776 0
     
     .006244701161205608 0
     
     .025124929406302836 5
     
     .501911428790443E-4 
    
    
    
   
   
  18. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .5171866527435598 0
     
     .008122573167751591 0
     
     .004739832497325629 0
     
     .004992906296453595 0
     
     .005196867991197382 0
     
     .002029563171327076 9
     
     .361500782183961E-4 0
     
     .029013023447398513 0
     
     .0011380230514080284 0
     
     .012522076761556481 5
     
     .047260047591473E-4 0
     
     .015955113743244508 0
     
     .004406182320121727 0
     
     .006262781650402496 0
     
     .02207726263853931 0
     
     .005991273194813399 0
     
     .014043927290112078 0
     
     .005508376666150078 0
     
     .013467184258915264 0
     
     .0011955836862612317 0
     
     .004018610517012443 0
     
     .008797223324041705 0
     
     .007468262050684957 4
     
     .726486298474967E-4 0
     
     .0037840241667415685 0
     
     .00237267724633475 0
     
     .004690632068954894 0
     
     .004113310760342626 0
     
     .02502983137624691 0
     
     .003175813306373884 
    
    
    
   
   
  19. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     0
     
     .8433026103226733 0
     
     .001436199490324531 0
     
     .005571606478511475 0
     
     .005964071398626945 0
     
     .013009166284874042 0
     
     .006941818510928281 2
     
     .531838762130586E-4 0
     
     .029021059392691468 0
     
     .0012803651372021595 0
     
     .01198914807877857 4
     
     .714804591001599E-4 0
     
     .005437365608112113 0
     
     .004718759788322982 0
     
     .005589514736340762 0
     
     .022058801154936965 0
     
     .0058469700250945895 0
     
     .0085623704760998 0
     
     .005273431769422143 0
     
     .013745024981148685 0
     
     .004710171224650045 6
     
     .493293807968061E-4 0
     
     .008743518199645634 0
     
     .007113945292034585 0
     
     .002483368688865986 0
     
     .002730915065464896 0
     
     .002197458924763655 0
     
     .004289260849618118 0
     
     .002152574294882734 0
     
     .021996927062598665 0
     
     .0029203348635731853 
    
    
    
   
   
  20. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  21. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     ...
    
    
    
   
   
  22. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
   
   

 
 
 

 
 
本节贴出了用NSGA-II解决ZDT1的完整例子，相信对整个框架的运行已经大致清楚了。下节将会介绍jMetal.util中的几个工具类，这些工具能配置大规模的实验，比如你需要采用多个算法进行多个优化问题的比较，那么使用这些工具会让实验非常得心应手。
 


                

                
                
        

        

    

  


    

      

        

            

              
                
                  daihao1413
                
              
            

            

                关注
              
            

        

        

          
      

      

            

                专栏目录
          









                



	

		

			

				
					
jMetal使用教程（一）

				
			

			

				

					chuanbiyin9064的博客
				

				

					06-12
					
					1031
					
				

			

		

		

			
				
最近发现jMetal框架更新到了5.2，我也把以前写代码顺着框架重新改动一遍，正好整理出来供大家参考。 
jMetal是Java实现的一套多目标优化框架，只需要很少量的改动就能定制自己的算法。关键是开源包里包括了几乎所有常用的算法，大大方便了懒人群体。 
关于项目的其他信息，请移步：https...

			
		

	



                

              
                



	

		

			

				
					
jMetal使用教程（二）

				
			

			

				

					mseeds的博客
				

				

					06-15
					
					5495
					
				

			

		

		

			
				
一个不错的Java开源多目标优化框架

			
		

	



                


  
              

                


	

		

			

				
					
jMetal官方文档汉化一：框架介绍

				
			

			

				

					Mactavish_Cui的博客
				

				

					12-21
					
					1120
					
				

			

		

		

			
				
框架介绍
jMetal项目始于2006年，旨在创建一个易于使用、灵活、可扩展和可移植的基于启发式算法的多目标优化框架。框架从2008年开始发布在http://jmetal.sourceforge.net。从2014年至今，发布于https://github.com/jMetal/jMetal.
自jMetal首次发布九年后，开发者们决定在2014年对该软件进行深层次的重做，重做的主要是基于下面这些考虑：

架构要重新设计，在保证原先功能的基础上力求简洁。
Maven被用作开发、测试、打包和部署的工具。
通过

			
		

	





	

		

			

				
					
jMetalPy: Python版的多目标优化框架

					
最新发布

				
			

			

				

					gitblog_00388的博客
				

				

					08-15
					
					937
					
				

			

		

		

			
				
jMetalPy: Python版的多目标优化框架
 jMetalPyA framework for single/multi-objective optimization with metaheuristics项目地址:https://gitcode.com/gh_mirrors/jm/jMetalPy 
项目介绍
jMetalPy是jMetal框架的Python实现，旨在提供一个用于单目标和多...

			
		

	



		

			
		



	

		

			

				
					
Jmetal 程序包使用说明

				
			

			

				

					10-25
				

			

		

		

			
				
该文档介绍了Jmetal程序包的结构组成，和使用方法，相信对搞算法的同志们有用哦！

			
		

	





	

		

			

				
					
Jmetal 4+ 使用指南三 使用Jmetal进行试验

				
			

			

				

					遗世独立的乌托邦
				

				

					04-24
					
					628
					
				

			

		

		

			
				
Jmetal 4+ 使用指南三
使用Jmetal进行试验
Experimentation with jMetal
觉得有用的话,欢迎一起讨论相互学习~


本文以Jmetal官网文档为基础，结合自身理解

链接如下
Jmetal 4+ 使用指南一
Jmetal 4+ 使用指南二

如果你还不了解NSGA-II可以参考

NSGA-II入门
​多目标优化拥挤距离计算
多目标优化按支配关系分层实现

在我们的研究工作中，当我们要评估多目标元启发式算法的性能时，通常会将其与其他算法进行一系列基准问题benchma

			
		

	





	

		

			

				
					
Eclipse Modeling Tools环境配置 与 jMetal使用 教程

				
			

			

				

					代码使我快乐
				

				

					03-04
					
					1837
					
				

			

		

		

			
				
该篇文章仅涉及 GitHub 中相关的 jMetal 官方代码（MIT License）以及其扩展使用，GitHub网址：jMetal
版本信息
jMetal 版本：5.11-SNAPSHOT
Eclipse 版本：Eclipse Modeling Tools  2020-12 (4.18.0)
需注意，Eclipse必须使用 Modeling Tools 版本，而非普通的Java版本，Eclipse不同版本软件下载官方网址：Eclipse Packages
Eclipse环境配置
该部分可解决Java与M

			
		

	





	

		

			

				
					
Jmetal 4+ 使用指南一

				
			

			

				

					遗世独立的乌托邦
				

				

					04-21
					
					619
					
				

			

		

		

			
				
Jmetal 4+ 使用指南一
以NSGA-II为例
觉得有用的话,欢迎一起讨论相互学习~


本文以Jmetal官网文档为基础，结合自身理解
链接如下
如果你还不了解NSGA-II可以参考
NSGA-II入门
​多目标优化拥挤距离计算
多目标优化按支配关系分层实现
在本节中，我们描述了jMetal中NSGA-II的实现。 在jMetal下，元启发式方法由定义算法本身的类和执行该算法的另一个类组成。 第二类用于指定要解决的问题，要应用的运算符，算法的参数以及需要设置的其他任何参数（自jMetal 2.0起，

			
		

	





	

		

			

				
					
jMetal.zip

				
			

			

				

					05-09
				

			

		

		

			
				
2. **选择算法**：从jMetal提供的算法库中选择合适的多目标优化算法。 3. **配置算法**：设置算法的参数，如种群大小、迭代次数等。 4. **运行算法**：使用jMetal API运行选定的算法，得到一组非支配解（Pareto前沿...

			
		

	





	

		

			

				
					
JMetal学习资源

				
			

			

				

					05-08
				

			

		

		

			
				
在学习 JMetal 时，官方文档是重要的参考资料，它详细解释了框架的架构、类库以及如何使用它们来构建和运行多目标优化算法。此外，通过阅读 `jmetal框架学习资料` 压缩包中的文件，可以深入了解每个部分的实现细节，...

			
		

	





	

		

			

				
					
Jmetalpy的入门教程（单目标整数优化：Integer Problem使用Genetic Algorithm）

				
			

			

				

					m0_59158092的博客
				

				

					03-30
					
					660
					
				

			

		

		

			
				
jMetalPy是一个用Python实现的多目标优化框架，它提供了多种元启发式算法，如NSGA-II，SMPSO，MOEA/D等，以及多种编码方式，如实数，二进制，排列等。这是一个非常简单的例子，但是展示了使用jMetalPy来定义和求解单目标整数问题的基本步骤。本文将介绍如何使用jMetalPy来解决一个单目标整数问题。更多关于jMetalPy的使用方法和示例，请参考其官方文档和GitHub仓库。可以看到，算法成功找到了问题的最优解x=0，对应的目标函数值为10。

			
		

	





	

		

			

				
					
jmetal4.5.userManual

				
			

			

				

					03-19
				

			

		

		

			
				
Jmetal是一个基于java的遗传算法框架，该文档是使用jmetal的用户基本教程，从中可以学习java环境下遗传算法的使用同时详细讲述了很多遗传算法的基本知识

			
		

	





	

		

			

				
					
jMetal框架

				
			

			

				

					05-14
				

			

		

		

			
				
jMetal是Java实现的一套多目标优化框架，开源包里包括了几乎所有常用的经典遗传算法的实现，例如：NSGA-II、VEGA等。还有我自己写的多目标混合进化算法和自定义的流水车间调度问题，也可以自己定义测试问题。

			
		

	





	

		

			

				
					
jMetal-开源

				
			

			

				

					04-25
				

			

		

		

			
				
jMetal是基于对象的基于Java的框架，用于通过元启发式方法解决多目标优化问题。

			
		

	





	

		

			

				
					
jMetal.net-开源

				
			

			

				

					07-16
				

			

		

		

			
				
jMetal 框架的 .Net (C#) 版本 (http://jmetal.sourceforge.net)

			
		

	





	

		

			

				
					
jMetalPy:具有元启发式的单多目标优化框架

				
			

			

				

					05-13
				

			

		

		

			
				
有关jMetalPy的论文可在以下获得：  ：//doi.org/10.1016/j.swevo.2019.100598
目录
安装
您可以使用pip安装最新版本的jMetalPy，
 pip install jmetalpy  # or "jmetalpy[distributed]"
 关于使用pip安装的注意事项
jMetalPy包括基于pySpark和Dask的并行和分布式计算功能。
 在运行pip ，不会自动安装这些（额外）依赖项，而pip仅包含框架的核心功能（对于大多数用户而言已足够）：
 pip install jmetalpy
 这等效于运行：
 pip install "jmetalpy[core]"
 接下来列出其他受支持的命令：
 pip install "jmetalpy[docs]"  # Install requirements for building docs

			
		

	





	

		

			

				
					
JMetal使用小记

				
			

			

				

					silence1214的专栏
				

				

					01-01
					
					3687
					
				

			

		

		

			
				
为了接下来在做MOEA算法对比的时候更加遍历，使用一个集成的可以更方便的评价算法的平台是非常有必要的，要么自己去写，要么用现成的，各有各的好处，如今我选择了JMetal，选择他主要基于我对Java比较熟悉，能够看懂和修改代码，其实这个玩意很简单，仔细一看他的结构就知道，并且还给了足够的manual来阐述如何使用，非常方便。如果只是跑一个实验，比如跑NSGAII在3个目标的DTLZ1问题上，那么这个就

			
		

	





	

		

			

				
					
Jmetal配置

				
			

			

				

					冷夏的专栏
				

				

					07-16
					
					2668
					
				

			

		

		

			
				
两种方法1 安装IDEA（保证jdk1.8）: http://www.jetbrains.com/idea/download/#section=windows破解：填入下面的license server: 
http://intellij.mandroid.cn/ 
http://idea.imsxm.com/ 
http://idea.iteblog.com/key.php : 我用的这个2  j

			
		

	





	

		

			

				
					
jMetalPy: 用元启发法进行多目标优化的Python框架

				
			

			

				

					qq_33177268的博客
				

				

					11-03
					
					1990
					
				

			

		

		

			
				
多目标优化问题广泛存在于许多学科中[1,2]，包括工程、经济、物流、运输或能源等等。它们的特点是有两个或更多相互冲突的目标函数，必须同时达到最大化或最小化，其最佳状态由一组被称为帕累托最优集的折衷方案组成。除了有几个目标外，其他因素也会使这一系列的优化问题特别难以用精确的技术来处理和解决，如欺骗性、外显性、NP-hard复杂性或高维度[3]。因此，处理复杂的多目标优化问题的最流行的技术是元启发式算法[4]，这是一个非精确的算

			
		

	





	

		

			

				
					
jmetal怎么导入使用

				
			

			

				

					04-19
				

			

		

		

			
				
您好！jMetal 可以通过 Maven 或者手动导入 Jar 包的方式来使用。如果您使用 Maven，可以在 pom.xml 文件中添加以下依赖：

```
<dependency>
    <groupId>org.uma</groupId>
    <artifactId>jmetal-core</artifactId>
    <version>5.2.0</version>
</dependency>
```

如果您手动导入 Jar 包，可以在 jMetal 的官方网站（https://jmetal.github.io/jMetal/）下载最新版本的 jmetal-core.jar，并将其导入到您的项目中。

希望这个回答对您有帮助。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值