如何在 pymoo 中求解 NSGA 2 时将主导解决方案集保存到数据帧中？-解网

问：

我正在尝试使用 NSGA 2 求解具有 3 个目标和 2 个决策变量的多目标优化问题。NSGA2 算法的 pymoo 代码和终止标准如下。我的pop_size是 100，n_offspring是 100。该算法迭代了 100 多代。我想将所有 100 代中每一代考虑的所有 100 个决策变量值存储在一个数据帧中。

pymoo 代码中的 NSGA2 实现：

from pymoo.algorithms.nsga2 import NSGA2
from pymoo.factory import get_sampling, get_crossover, get_mutation

algorithm = NSGA2(
    pop_size=20,
    n_offsprings=10,
    sampling=get_sampling("real_random"),
    crossover=get_crossover("real_sbx", prob=0.9, eta=15),
    mutation=get_mutation("real_pm", prob=0.01,eta=20),
    eliminate_duplicates=True
)
from pymoo.factory import get_termination

termination = get_termination("n_gen", 100)

from pymoo.optimize import minimize

res = minimize(MyProblem(),
               algorithm,
               termination,
               seed=1,
               save_history=True,
               verbose=True)

我尝试过什么（我的参考：stackoverflow 问题）：

import pandas as pd
df2 = pd.DataFrame (algorithm.pop)
df2.head(10)

上面代码的结果是空白的，并且在传递时

print(df2)

我明白了

Empty DataFrame
Columns: []
Index: []

python 优化演化算法

很高兴您打算使用 pymoo 进行研究。您已正确启用该选项，这意味着您可以访问算法对象。要获得运行中的所有解决方案，您可以组合每一代的后代（）。别忘了对象包含目标。使用该方法，您可以获取 and 或其他值。请参阅下面的代码。save_historyalgorithm.offPopulationIndividualgetXF

import pandas as pd

from pymoo.algorithms.nsga2 import NSGA2 from pymoo.factory import get_sampling, get_crossover, get_mutation, ZDT1 from pymoo.factory import get_termination from pymoo.model.population import Population from pymoo.optimize import minimize

problem = ZDT1()

algorithm = NSGA2(
    pop_size=20,
    n_offsprings=10,
    sampling=get_sampling("real_random"),
    crossover=get_crossover("real_sbx", prob=0.9, eta=15),
    mutation=get_mutation("real_pm", prob=0.01,eta=20),
    eliminate_duplicates=True )

termination = get_termination("n_gen", 10)


res = minimize(problem,
               algorithm,
               termination,
               seed=1,
               save_history=True,
               verbose=True)

all_pop = Population()

for algorithm in res.history:
    all_pop = Population.merge(all_pop, algorithm.off)

df = pd.DataFrame(all_pop.get("X"), columns=[f"X{i+1}" for i in range(problem.n_var)])

print(df)

另一种方法是使用回调并填充每一代的数据帧。与此处类似：https://pymoo.org/interface/callback.html

import pandas as pd
from pymoo.termination import get_termination

from pymoo.core.population import Population
from pymoo.optimize import minimize

from pymoo.algorithms.moo.nsga2 import NSGA2

from pymoo.problems.multi import ZDT1

problem = ZDT1()

algorithm = NSGA2(
    pop_size=20,
    n_offsprings=10)


res = minimize(problem,
               algorithm,
               termination=get_termination("n_gen", 10),
               seed=1,
               save_history=True,
               verbose=True)

all_pop = Population()

for algorithm in res.history:
    all_pop = Population.merge(all_pop, algorithm.off)

df = pd.DataFrame(all_pop.get("X"), columns=[f"X{i+1}" for i in range(problem.n_var)])

print(df)

上一个：TypeError：无法连接类型为“<class 'list'>”的对象;只有 Series 和 DataFrame obj 有效

下一个：用于实现分支和边界技术以解决非凸非线性整数多目标优化问题的 Python 包？

如何在 pymoo 中求解 NSGA 2 时将主导解决方案集保存到数据帧中？

How to save the set of dominated solutions while solving NSGA 2 in pymoo into a dataframe?

评论

评论