optunaを使って多目的最適化問題を解いてみた

• 製造業出身のデータサイエンティストがお送りする記事
• 今回はoptunaを使って多目的最適化問題を解いてみました。

はじめに

過去に多目的最適化問題については、記事を何個か書いておりますので参考にして頂けますと幸いです。

• 多目的最適化問題のNSGA-Ⅱを勉強したの整理しました
• 多目的最適化問題のNSGA-Ⅱを実装してみた
• 多目的最適化問題のNSGA-Ⅲを勉強したの整理しました
• 多目的最適化問題のNSGA-Ⅲを実装してみた
• pymooを使って多目的最適化のNSGA-Ⅱを実装してみた
• physboを使って多目的最適化問題をベイズ最適化で解いてみた

使用するライブラリー（optuna）

今回は最適化ライブラリoptunaを使って実装しました。

optunaを使って多目的最適化を実装

今回は簡単な問題を試してみました。

# 必要なライブラリーのインストール
import optuna
import matplotlib.pyplot as plt
%matplotlib inline

import warnings
warnings.simplefilter('ignore')

次に目的関数を定義します。

# 目的関数の定義。複数の目的変数を戻り値とする
def objective(trial):
    x = trial.suggest_uniform("x", 0, 5) # 変数xを上下限0~5の範囲で連続値
    y = trial.suggest_uniform("y", 0, 3) # 変数yを上下限0~3の範囲で連続値
    v0 = 4 * x ** 2 + 4 * y ** 2
    v1 = (x - 5) ** 2 + (y - 5) ** 2
    return v0, v1

次に最適化の条件を設定します。

# 最適化の条件設定
study = optuna.multi_objective.create_study(
    directions=["minimize", "minimize"], # "minimize" "maximize"
    sampler=optuna.multi_objective.samplers.NSGAIIMultiObjectiveSampler(seed = 1)
)
# 最適化の実行
study.optimize(objective, n_trials=200)

結果を可視化します。

# 最適化過程で得た履歴データの取得。get_trials()メソッドを使用
trials = {str(trial.values): trial for trial in study.get_trials()}
trials = list(trials.values())
# グラフにプロットするため、目的変数をリストに格納する
y1_all_list = []
y2_all_list = []
for i, trial in enumerate(trials, start=1):
    y1_all_list.append(trial.values[0])
    y2_all_list.append(trial.values[1])

# パレート解の取得。get_pareto_front_trials()メソッドを使用
trials = {str(trial.values): trial for trial in study.get_pareto_front_trials()}
trials = list(trials.values())
trials.sort(key=lambda t: t.values)
# グラフプロット用にリストで取得。またパレート解の目的変数と説明変数をcsvに保存する
y1_list = []
y2_list = []
with open('pareto_data_real.csv', 'w') as f:
    for i, trial in enumerate(trials, start=1):
        if i == 1:
            columns_name_str = 'trial_no,y1,y2'
        data_list = []
        data_list.append(trial.number)
        y1_value = trial.values[0]
        y2_value = trial.values[1]
        y1_list.append(y1_value)
        y2_list.append(y2_value)
        data_list.append(y1_value)
        data_list.append(y2_value)    
        for key, value in trial.params.items():
            data_list.append(value)
            if i == 1:
                columns_name_str += ',' + key 
        if i == 1:
            f.write(columns_name_str + '\n')
        data_list = list(map(str, data_list))
        data_list_str = ','.join(data_list)
        f.write(data_list_str + '\n')

# パレート解を図示
plt.rcParams["font.size"] = 16
plt.figure(dpi=120)
plt.title("multiobjective optimization")
plt.xlabel("Y1")
plt.ylabel("Y2")
plt.grid()
plt.scatter(y1_all_list, y2_all_list, c='blue', label='all trials')
plt.scatter(y1_list, y2_list, c='red', label='pareto front')
plt.legend()
plt.tight_layout()
plt.savefig("pareto_graph_real.png")
plt.close()

さいごに

最後まで読んで頂き、ありがとうございました。
今回は、optunaを使って多目的最適化問題を解いてみました。
optunaでは、NSGA-2を多目的最適化のアルゴリズムとして選択できました。
他にも手法が選択できましたので、時間がある時に試してみようと思います。

訂正要望がありましたら、ご連絡頂けますと幸いです。