NSGA3进行目标优化

NSGA3进行目标优化

import random

import numpy as np
import geatpy as ea  # import geatpy


class MyProblem(ea.Problem):  # 继承Problem父类
    def __init__(self, M=2, Dim=2):  # M : 目标维数；Dim : 决策变量维数
        name = 'MyProblem'  # 初始化name（函数名称，可以随意设置）
        maxormins = [1] * M  # 初始化maxormins（目标最小最大化标记列表，1：最小化该目标；-1：最大化该目标）
        varTypes = np.array([1] * Dim)  # 初始化varTypes（决策变量的类型，0：实数；1：整数）

        # 0<=x1<=13,0<=x2<=13
        lb = [0] * Dim  # 决策变量下界 或者 [0, 0]
        ub = [12] * Dim  # 决策变量上界 或者 [13, 13]
        lbin = [1] * Dim  # 决策变量下边界（0表示不包含该变量的下边界，1表示包含）
        ubin = [1] * Dim  # 决策变量上边界（0表示不包含该变量的上边界，1表示包含）

        # 调用父类构造方法完成实例化
        ea.Problem.__init__(self, name, M, maxormins, Dim, varTypes, lb, ub, lbin, ubin)

    def evalVars(self, Vars):  # 目标函数
        x1 = Vars[:, [0]]
        x2 = Vars[:, [1]]
        squarer = lambda t: fun1[t]
        vfunc = np.vectorize(squarer)
        f1 = vfunc(x1)
        squarer = lambda t: fun2[t]
        vfunc = np.vectorize(squarer)
        f2 = vfunc(x2)
        ObjV = np.hstack((f1, f2))
        return ObjV


if __name__ == '__main__':

    fun1 = []
    fun2 = []
    for i in range(13):
        fun1.append(random.randint(100, 200))
        fun2.append(random.randint(100, 200))

    problem = MyProblem()  # 生成问题对象
    # 构建算法
    algorithm = ea.moea_NSGA3_templet(problem,
                                      ea.Population(Encoding='RI', NIND=10),  # NIND种群规模
                                      MAXGEN=500,  # 最大进化代数。
                                      logTras=10)  # 表示每隔多少代记录一次日志信息，0表示不记录。
    # 求解
    res = ea.optimize(algorithm, verbose=False, drawing=1, outputMsg=True, drawLog=False,
                      saveFlag=False, dirName='result')

多种群线程实现

import random
from threading import Thread

import numpy as np
import geatpy as ea  # import geatpy


class MyProblem(ea.Problem):  # 继承Problem父类
    def __init__(self, M=2, Dim=1):  # M : 目标维数；Dim : 决策变量维数，即x的个数
        name = 'MyProblem'  # 初始化name（函数名称，可以随意设置）
        maxormins = [1] * M  # 初始化maxormins（目标最小最大化标记列表，1：最小化该目标；-1：最大化该目标）
        varTypes = np.array([1] * Dim)  # 初始化varTypes（决策变量的类型，0：实数；1：整数）

        # 0<=x1<=13,0<=x2<=13
        lb = [0] * Dim  # 决策变量下界 或者 [0, 0]
        ub = [12] * Dim  # 决策变量上界 或者 [13, 13]
        lbin = [1] * Dim  # 决策变量下边界（0表示不包含该变量的下边界，1表示包含）
        ubin = [1] * Dim  # 决策变量上边界（0表示不包含该变量的上边界，1表示包含）

        # 调用父类构造方法完成实例化
        ea.Problem.__init__(self, name, M, maxormins, Dim, varTypes, lb, ub, lbin, ubin)

    def evalVars(self, Vars):  # 目标函数

        # 一个维度两个目标函数
        x1 = Vars[:, [0]]
        x2 = x1
        squarer = lambda t: myEveryMidUseMemory[t]
        vfunc = np.vectorize(squarer)
        f1 = vfunc(x1)
        squarer = lambda t: TotalTime[t]
        vfunc = np.vectorize(squarer)
        f2 = vfunc(x2)
        ObjV = np.hstack((f1, f2))
        return ObjV


def MyNSGA3(NIND):

    problem = MyProblem()  # 生成问题对象
    # 构建算法
    algorithm = ea.moea_NSGA3_templet(problem,
                                      ea.Population(Encoding='RI', NIND=NIND),  # NIND种群规模
                                      MAXGEN=500,  # 最大进化代数。
                                      logTras=10)  # 表示每隔多少代记录一次日志信息，0表示不记录。
    # 求解
    res = ea.optimize(algorithm, verbose=False, drawing=1, outputMsg=True, drawLog=False,
                      saveFlag=False, dirName='result')

    # print(res.values())
    # print(res["Vars"])
    # print(res["ObjV"])
    print(len(res["Vars"]))

    for i in res["Vars"]:
        myres.append(i)


if __name__ == '__main__':

    NIND = [25, 50, 75, 100]
    myres = []
    Th = []

    myEveryMidUseMemory = [-3485722214.4, -10897686528.0, -12103699660.800001, -12401436262.400002, -13585927372.800001, -13740343296.0, -13845423718.400002, -13946578534.400002, -14049784627.2, -14080140902.400002, -14083443916.800001, -14096655974.400002, -14096655974.400002]
    TotalTime = [32002.266541228128, 14.171754922008173, 14.171758541127243, 4.785062513566434, 4.462556160542926, 4.462559779661995, 2.8758911573678465, 3.4765193198607336, 4.0106433886084645, 4.544767457356196, 4.697702993530382, 4.9385615147852535, 4.862216407583745]

    for i in NIND:
        t = Thread(target=MyNSGA3, args=(i,), name= "task" + str(i))
        Th.append(t)

    for i in Th:
        i.start()

    for i in Th:
        i.join()

    print(len(myres))
    print(int(min(myres)))