다목적 최적화 알고리즘

이 노트북에서는 DTLZ2 문제의 최적해를 찾기 위해 Reference Vector Guided Evolutionary Algorithm (RVEA)을 사용합니다.

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

(선택 사항) GPU를 사용하여 코드 실행

더 빠른 실행을 위해 코드를 GPU에서 실행하는 것을 선호하는 경우가 많습니다. 하지만 GPU를 사용할 수 없는 경우 CPU에서 실행하는 것도 가능합니다.

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

실행 예제: DTLZ2 문제에서의 RVEA

다음 코드는 DTLZ2 문제와 RVEA 알고리즘을 설정하는 데 사용됩니다. 문제와 알고리즘에 대한 자세한 정보는 문서의 해당 섹션에서 확인할 수 있습니다.

# 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)

설정이 완료되었으므로 이제 최적화를 시작할 수 있습니다. 이 문제에 대해 다목적 최적화 알고리즘이 100 스텝(step) 동안 최적화를 수행하도록 설정합니다.

# 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()