使用 python DEAP 库和 NSGA2 解决多 objective 优化问题

Question

我想使用 NSGA-II 的 DEAP library. Since i am new in DEAP, i used this example 作为我自己问题的模板来解决多 objective 优化问题。在例子中，第59行，tools.selNSGA2函数被注册到toolbox对象，之后，用作toolbox.select：

toolbox.register("select", tools.selNSGA2)

然后在main函数中，第96行，tools.selTournamentDCD函数，用于select offspring，但是我不知道它是做什么的。此外，我在提出 NSGA-II 的 paper 中找不到任何相关信息。

以下代码是示例的主要功能：

def main(seed=None):
    random.seed(seed)

    NGEN = 250
    MU = 100
    CXPB = 0.9

    pop = toolbox.population(n=MU)

    # Evaluate the individuals with an invalid fitness
    invalid_ind = [ind for ind in pop if not ind.fitness.valid]
    fitnesses = toolbox.map(toolbox.evaluate, invalid_ind)
    for ind, fit in zip(invalid_ind, fitnesses):
        ind.fitness.values = fit

    # This is just to assign the crowding distance to the individuals
    # no actual selection is done
    pop = toolbox.select(pop, len(pop))

    # Begin the generational process
    for gen in range(1, NGEN):
        # Vary the population
        offspring = tools.selTournamentDCD(pop, len(pop))
        offspring = [toolbox.clone(ind) for ind in offspring]

        for ind1, ind2 in zip(offspring[::2], offspring[1::2]):
            if random.random() <= CXPB:
                toolbox.mate(ind1, ind2)

            toolbox.mutate(ind1)
            toolbox.mutate(ind2)
            del ind1.fitness.values, ind2.fitness.values

        # Evaluate the individuals with an invalid fitness
        invalid_ind = [ind for ind in offspring if not ind.fitness.valid]
        fitnesses = toolbox.map(toolbox.evaluate, invalid_ind)
        for ind, fit in zip(invalid_ind, fitnesses):
            ind.fitness.values = fit

        # Select the next generation population
        pop = toolbox.select(pop + offspring, MU)

    return pop, logbook

我的问题： tools.selTournamentDCD 函数是 NSGA-II 算法的一部分吗？在 DEAP 中必须使用 tools.selTournamentDCD 来创建后代吗？你能告诉我什么时候应该使用这个功能吗？它有什么作用？

提前致谢

Answer 1

这是一篇论文，您可以在其中查看有关 NSGA-II 的详细信息（这是 DEAP 引用的一篇）https://link.springer.com/chapter/10.1007/3-540-45356-3_83

我还是这个库的新手，但我认为你不是被迫使用 tools.selTournamentDCD

我认为您可以使用其他选择或 pre-selection 运算符，例如 selRandom 或 selRoulette

使用 python DEAP 库和 NSGA2 解决多 objective 优化问题

Solving a multi-objective optimization problem using python DEAP library with NSGA2

python

optimization

genetic-algorithm

deap