最优化问题-遗传算法解决多目标问题python实战

最优化算法不仅在机器学习目标函数优化方面有着举足轻重的地位，而且在运筹学、管理学领域也有着广泛的应用，本文笔者就带领着大家介绍一下并给出一个实列。

最优化算法，大家最熟悉的就是在学校学习的一些数学解法，当函数过于复杂时，数学解法不能给出最优解，甚至无法给出解时，就发展出了启发式算法，在启发式算法中，又有分为很多类别，最常见的应该就是遗传算法了。

现实中目标函数常常不是单个，而是多个的（如下图），此时数学解法效果就不太好了。此时，启发式算法就可以派上用场，而且针对多目标问题，遗传算法NSGA-II (Non-dominated Sorting Genetic Algorithm II)就可以很好的解决这个问题。

那么我们如何通过编程解决上图这个多目标优化的问题呢？

1. 首先我们引入包 pymoo
2. 定义目标函数
3. 定义遗传算法NSGA-II 参数
4. 解决并输出结果

1. Pip install pymoo

2. 定义目标函数

1. import nump