Geatpy架構使用基于NSGA-II算法的多染色體多目标進化算法案例（moea_psy_NSGA2_templet）

在Geatpy的官方文檔中并沒有多目标+多染色體進化算法的demo，在我實際寫代碼時也出現了一些問題。本篇部落格補充一個調用moea_psy_NSGA2_templet的demo：

目标函數：

max f1 = x1 * x2 + x3
min f2 = x1 + x2 - x3

s.t.
2*x1 + x2 - 1 <= 0
x1 + 2*x3 - 2 <= 0
x1 + x2 + x3 - 1 == 0
    
1 <= x1  <= 4
-10 <= x2 <= 1
0 < x3 < 2
           

Myproblem.py:

# -*- coding: utf-8 -*-
import numpy as np
import geatpy as ea

"""
    max f1 = x1 * x2 + x3
    min f2 = x1 + x2 - x3
    s.t.
    2*x1 + x2 - 1 <= 0
    x1 + 2*x3 - 2 <= 0
    x1 + x2 + x3 - 1 == 0
    
    1 <= x1  <= 4
    -10 <= x2 <= 1
    0 < x3 < 2
"""


class MyProblem(ea.Problem):  # 繼承Problem父類
    def __init__(self):
        name = "MyProblem"
        M = 2  # f的數量
        maxormins = [-1, 1]  # (目标最小最大化标記清單，1：最小化該目标；-1：最大化該目标）
        Dim = 3  # x的個數

        # x的上下界與定義邊界是開區間還是閉區間
        var_types = [0] * Dim  # 元素為0表示對應的變量是連續的；1表示是離散的
        lb = [1, -10, 0]  # 決策變量下界
        ub = [4, 1, 2]  # 決策變量上界
        lbin = [1, 1, 0]  # 決策變量下邊界（0表示不包含該變量的下邊界，1表示包含）
        ubin = [1, 1, 0]  # 決策變量上邊界（0表示不包含該變量的上邊界，1表示包含）
        ea.Problem.__init__(self, name, M, maxormins, Dim, var_types, lb, ub, lbin, ubin)
    

    def aimFunc(self, pop):  # 目标函數
        Vars = pop.Phen  # 得到決策變量矩陣
        x1 = Vars[:, [0]]
        x2 = Vars[:, [1]]
        x3 = Vars[:, [2]]

        # 目标函數:
        f1 = x1 * x2 + x3
        f2 = x1 + x2 - x3
        pop.ObjV = np.hstack([f1, f2])
        # 限制條件:(要全部化為 <= )
        c1 = 2 * x1 + x2 - 1
        c2 = x1 + 2 * x3 - 2  # 限制條件 <= 0
        c3 = np.abs(x1 + x2 + x3 - 1)  # 限制條件 = 0
        pop.CV = np.hstack([c1, c2, c3])
           

Main函數中：

注意Encoding與Field都要是數組的結構，否則報錯

# -*- coding: utf-8 -*-
import numpy as np
import geatpy as ea  # import geatpy
from MyProblem import MyProblem  # 導入自定義問題接口

if __name__ == '__main__':
    """================================執行個體化問題對象==========================="""
    problem = MyProblem()  # 生成問題對象
    """==================================種群設定==============================="""
    NIND = 50  # 種群規模
    Encoding = ['RI']
    Field = [ea.crtfld(Encoding[0], problem.varTypes, problem.ranges, problem.borders)]  # 建立區域描述器
    population = ea.PsyPopulation(Encoding, Field, NIND)  # 執行個體化種群對象（此時種群還沒被初始化，僅僅是完成種群對象的執行個體化）
    """================================算法參數設定============================="""
    myAlgorithm = ea.moea_psy_NSGA2_templet(problem, population)  # 執行個體化一個算法模闆對象
    myAlgorithm.MAXGEN = 5  # 最大進化代數
    """===========================調用算法模闆進行種群進化======================="""
    ndset = myAlgorithm.run()
    ndset.save()

    print('用時：%s 秒' % (myAlgorithm.passTime))
    print('非支配個體數：%s 個' % (ndset.sizes))
    print('機關時間找到帕累托前沿點個數：%s 個' % (int(ndset.sizes // myAlgorithm.passTime)))
           

其他問題：

因為我是在deepin系統中程式設計，在使用Geapy架構時導出圖像時會調用matplotlib，而常見的中文方塊會出現，還會有“黑體”字型找不到報錯，在代碼中添加matplotlib的配置也會被覆寫，希望新版能修正這個問題。