多目標演算法

在本筆記本中，我們將使用參考向量引導演化演算法（RVEA）來尋找 DTLZ2 問題的最優解。

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

（可選）使用 GPU 執行程式碼

我們通常偏好在 GPU 上執行程式碼以獲得更快的執行速度。然而，如果 GPU 不可用，在 CPU 上執行也是可以接受的。

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

執行範例：RVEA 求解 DTLZ2 問題

以下程式碼用於設定 DTLZ2 問題和 RVEA 演算法。有關問題和演算法的更多資訊，請參閱文件的相應章節。

# 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)

設定完成後，我們現在可以開始最佳化。我們設定讓多目標演算法在此問題上最佳化 100 步

# 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()