Mehrziel-Algorithmus

In diesem Notebook verwenden wir den Reference Vector Guided Evolutionary Algorithm (RVEA), um die optimalen Lösungen des DTLZ2-Problems zu finden.

import time
import torch

from evox.algorithms import RVEA
from evox.metrics import igd
from evox.problems.numerical import DTLZ2
from evox.workflows import StdWorkflow, EvalMonitor

(Optional) GPU verwenden, um den Code auszuführen

Wir bevorzugen es oft, unseren Code auf einer GPU für schnellere Ausführung auszuführen. Wenn jedoch keine GPU verfügbar ist, ist die Ausführung auf einer CPU ebenfalls akzeptabel.

# Use GPU first to run the code.
torch.set_default_device("cuda" if torch.cuda.is_available() else "cpu")
print(torch.get_default_device())

Laufendes Beispiel: RVEA auf dem DTLZ2-Problem

Der folgende Code wird verwendet, um das DTLZ2-Problem und den RVEA-Algorithmus einzurichten. Weitere Informationen über das Problem und den Algorithmus finden Sie im entsprechenden Abschnitt der Dokumentation.

# Init the problem, algorithm and workflow.
prob = DTLZ2(m=3)
pf = prob.pf()
algo = RVEA(pop_size=100, n_objs=3, lb=-torch.zeros(12), ub=torch.ones(12))
monitor = EvalMonitor()
workflow = StdWorkflow(algo, prob, monitor)
compiled_step = torch.compile(workflow.step)

Mit dieser Einrichtung können wir nun mit der Optimierung beginnen. Wir lassen den Mehrziel-Algorithmus 100 Schritte auf diesem Problem optimieren.

# Run the workflow for 100 steps
t = time.time()
workflow.init_step()
for i in range(100):
    compiled_step()
    fit = workflow.algorithm.fit
    fit = fit[~torch.isnan(fit).any(dim=1)]
    if i % 10 == 0:
        print(igd(fit, pf))

monitor.plot()