EVO X

数値最適化

数値最適化

このノートブックでは、粒子群最適化（PSO）アルゴリズムを使用してAckley関数を最適化するためにEvoXを活用するステップバイステップのチュートリアルを提供します。PSOアルゴリズムとAckley最適化問題の両方が、EvoXフレームワーク内の組み込みコンポーネントとして統合されています。

まず、PSO（アルゴリズム）、Ackley（問題）、StdWorkflowとEvalMonitor（ワークフロー）を含むすべての必要なモジュールをインポートする必要があります。

import torch

from evox.algorithms import PSO
from evox.problems.numerical import Ackley
from evox.workflows import StdWorkflow, EvalMonitor

ここでは、PSOアルゴリズムをインスタンス化します。以下の設定を指定します：

  • pop_size: 粒子群（集団）のサイズ。
  • lbとub: 探索空間の各次元の下限と上限。
  • その他のパラメータはすべてデフォルトです。詳細なAPIを参照してください。
# Define the algorithm
algorithm = PSO(pop_size=100, lb=-32 * torch.ones(10), ub=32 * torch.ones(10))

次に、EvoXの数値問題からAckley関数を選択します。

# Define the problem
problem = Ackley()

最適化手順中に必要な情報を追跡するためのEvalMonitorインスタンスを作成します。

# Define the monitor
monitor = EvalMonitor()

StdWorkflowクラスは、アルゴリズム、問題、モニターを統合するための標準化されたプロセスを提供します。

# Define the workflow
workflow = StdWorkflow(algorithm=algorithm, problem=problem, monitor=monitor)

setup()を呼び出すとコンポーネントが初期化され、ワークフローが最適化ステップを実行する準備が整います。

一定回数の反復（この例では100回）で最適化を実行します。各反復で、step()メソッドがPSOアルゴリズムを更新し、Ackley関数上で新しい候補解を評価し、モニターを通じて適応度を追跡します。

# Perform the Ackley function optimization procedure
for _ in range(100):
    workflow.step()

最後に、ワークフローからmonitorサブモジュールを取得して、これまでに見つかったトップソリューション（topk_solutions）とそれに対応する目的値（topk_fitness）にアクセスします。次に、最良の結果と関連するソリューションを表示します。

# Get the best solution and its fitness
population = monitor.topk_solutions
fitness = monitor.topk_fitness
print(f"The best solution is:\n{population},\nwith the minimum value:\n{fitness}")
monitor.plot()
← ドキュメントに戻る