Python中的多目标优化
项目描述
pymoo：Python 中的多目标优化
我们的开源框架 pymoo 提供最先进的单目标和多目标算法以及与多目标优化相关的更多功能，例如可视化和决策制定。
安装
首先，确保您安装了 Python 3 环境。我们推荐 miniconda3 或 anaconda3。
PyPi 始终提供官方版本：
pip install -U pymoo对于当前的开发者版本：
git clone https://github.com/anyoptimization/pymoo
cd pymoo
pip install .由于为了加速，一些模块也可以编译，您可以仔细检查编译是否有效。执行命令时，请确保不在本地 pymoo 目录中，否则将不会使用 in site-packages 安装的版本。
python -c "from pymoo.util.function_loader import is_compiled;print('Compiled Extensions: ', is_compiled())"用法
我们在此处参考我们的文档以获取所有详细信息。但是，例如，执行 NSGA2：
from pymoo.algorithms.moo.nsga2 import NSGA2
from pymoo.problems import get_problem
from pymoo.optimize import minimize
from pymoo.visualization.scatter import Scatter
problem = get_problem("zdt1")
algorithm = NSGA2(pop_size=100)
res = minimize(problem,
algorithm,
('n_gen', 200),
seed=1,
verbose=True)
plot = Scatter()
plot.add(problem.pareto_front(), plot_type="line", color="black", alpha=0.7)
plot.add(res.F, color="red")
plot.show()NSGA2 的代表性运行如下所示：
引文
如果您将我们的框架用于研究目的，您可以通过以下方式引用我们的出版物：
@ARTICLE{pymoo,
author={J. {Blank} and K. {Deb}},
journal={IEEE Access},
title={pymoo: Multi-Objective Optimization in Python},
year={2020},
volume={8},
number={},
pages={89497-89509},
}
接触
如果您有任何问题，请随时与我联系：
下载文件
下载适用于您平台的文件。如果您不确定要选择哪个，请了解有关安装包的更多信息。
源分布
pymoo-0.6.0.tar.gz
(795.9 kB
查看哈希)
内置发行版
pymoo-0.6.0-cp310-cp310-win_amd64.whl
（704.6 kB
查看哈希）
pymoo-0.6.0-cp39-cp39-win_amd64.whl
（710.7 kB
查看哈希）
pymoo-0.6.0-cp38-cp38-win_amd64.whl
（713.8 kB
查看哈希）
pymoo-0.6.0-cp37-cp37m-win_amd64.whl
（705.0 kB
查看哈希）
关
pymoo -0.6.0-cp310-cp310-manylinux_2_24_x86_64.whl 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 1fa2096ad2c6d6dbdb077c1e78acb1a47d489e94945e082a35fe2c6873ff7415 |
|
| MD5 | 75ef620996d2b3e9f7ce8c14f2aa3f0f |
|
| 布莱克2-256 | 2f00aec2b0c237c097d803b20fce3e4a9265f315aab25c53ee91b027bc391f13 |