在前面几篇文章中,我们已经介绍了高性能Python遗传和进化算法框架——Geatpy的使用及一些案例。
https://blog.csdn.net/qq_33353186/article/details/82014986
https://blog.csdn.net/qq_33353186/article/details/82020507
https://blog.csdn.net/qq_33353186/article/details/82047692
详细的Geatpy官方教程文档在官网可以查看:
http://geatpy.com/index.php/geatpy%E6%95%99%E7%A8%8B/
本篇就一个多目标优化实例进行展开讲述,并且与使用Matlab工具箱进行对比:
回顾一下更新方法:
pip install --upgrade --user geatpy
下面对一个两个目标的最小化问题进行求解:
先用Geatpy尝试求解,先定义问题类MyProblem,然后编写执行代码直接套用内置的moea_nsga2_templet进化算法模板对问题进行求解:
# -*- coding: utf-8 -*-
import numpy as np
import geatpy as ea
"""
问题类定义
"""
class MyProblem(ea.Problem): # 继承Problem父类
def __init__(self):
name = 'MyProblem'