35
46

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 5 years have passed since last update.

多目的進化計算ライブラリPlatypus

Posted at
1 / 6

Platypus 概要

基本的にドキュメントGetting Startedを解説.

  • Pythonで使える多目的進化アルゴリズムのフレームワーク
  • Deap,PyGMO,Scipyと違い多目的に特化している
  • NSGA-II, NSGA-III, MOEA/D, IBEA, Epsilon-MOEA, SPEA2, GDE3, OMOPSO, SMPSO, Epsilon-NSGA-IIをサポート
  • カモノハシ

多目的な遺伝的アルゴリズムのフレームワークに,自然淘汰されずに生き残ってきたPlatpus(カモノハシ)の名前を付けるあたりセンスを感じる.

インストール

ソースリポジトリから

git clone https://github.com/Project-Platypus/Platypus.git
cd Platypus
python setup.py install

pipなら

pip install platypus-opt

anacondaなら

conda install -c conda-forge platypus-opt

例題1

1変数2目的の多目的最適化

\begin{array}{}
\boldsymbol{argmin}  &\quad 
\left.
\begin{array}{}
 f_{1} &= x^2   \\
 f_{2} &= (x-2)^2
\end{array}
\right. \\
\boldsymbol{subject \quad to}  &\quad  -10 \leq x \leq 10
\end{array}

これを実装すると

from platypus import NSGAII, Problem, Real

def schaffer(x):
    return [x[0]**2, (x[0]-2)**2]

problem = Problem(1, 2)
problem.types[:] = Real(-10, 10)
problem.function = schaffer

algorithm = NSGAII(problem)
algorithm.run(10000)

見通しが良い.クラスを作ることがないので初心者受けも良い.
Problemの引数は(変数の数,目的関数の数)で, 変数は-10~10の連続値で定義されている

パレート解はalgorithm.resultの中に保存されている

print("x\t f1\t f2")

for solution in algorithm.result:
    print("%0.3f\t%0.3f\t%0.3f" \
          % tuple(solution.variables + solution.objectives[:]))

例題2

2変数2目的2制約の制約付き最適化問題.

\begin{array}{}
\boldsymbol{argmin}  &\quad 
\left\{
\begin{array}{}
 f_{1} &= -2x_1 + x_2   \\
 f_{2} &= 2x_1 + x_2
\end{array}
\right. \\
\boldsymbol{subject \quad to}  &\quad 
\left\{ 
\begin{array}{}
 g_{1} &= -x_1 + x_2 -1  \\
 g_{2} &= x_1 + x_2 -7 \\
& 0 \leq x_1 \leq 5 \\
& 0 \leq x_2 \leq 3
\end{array}
\right.
\end{array}

これも実装すると

from platypus import NSGAII, Problem, Real

def belegundu(vars):
    x1 = vars[0]
    x2 = vars[1]
    return [-2*x1 + x2, 2*x1 + x2], [-x1 + x2 - 1, x1 + x2 - 7]

problem = Problem(2, 2, 2)
problem.types[:] = [Real(0, 5), Real(0, 3)]
problem.constraints[:] = "<=0"
problem.function = belegundu

algorithm = NSGAII(problem)
algorithm.run(10000)

変数を引数に,目的関数の値のリストと制約条件関数の値のリストを返すbelegunduという関数を定義し,
Problemで変数の数,目的関数の数,制約関数の数を定義している.

パレート解をDataFrameに取り出す

import pandas as pd

df = pd.DataFrame(columns = ("x1","x2","c1","c2","f1","f2"))
for i in range(len(algorithm.result)):
  df.loc[i] = algorithm.result[i].variables[:] + \
    algorithm.result[i].constraints[:] \
    +algorithm.result[i].objectives[:]

df.to_csv("platypus_exp2.csv")

分散共分散行列を表示する

import seaborn as sns
sns.pairplot(df)

最適解の選択をしたい場合はParaViewが便利.
ParaViewを開いて下記のように画面分割する.

そうすると

選択したものが、赤で表示される


アルゴリズムの比較

前述した通りplatypusには多くのアルゴリズムが実装されている.
ベンチマーク関数DTLZ2を使った比較を行う.

from platypus.algorithms import *
from platypus.problems import DTLZ2
from platypus.indicators import  Hypervolume

problem = DTLZ2(3)

# setup the comparison
algorithms = [NSGAII(problem),
              NSGAIII(problem, divisions_outer=12),
              CMAES(problem, epsilons=[0.05]),
              GDE3(problem),
              IBEA(problem),
              MOEAD(problem),
              OMOPSO(problem, epsilons=[0.05]),
              SMPSO(problem),
              SPEA2(problem),
              EpsMOEA(problem, epsilons=[0.05])]

# run each algorithm for 10,000 function evaluations
for a in algorithms:
  a.run(10000)


# compute and print the hypervolume
hyp = Hypervolume(minimum=[0,0,0], maximum=[1,1,1])

for algorithm in algorithms:
    print("%s\t%0.3f" % (algorithm.__class__.__name__, hyp(algorithm.result)))

ハイパーボリュームはパレート解の支配率?を表示している?
可視化すると

from mpl_toolkits.mplot3d import axes3d
# increase figure size# incre
import matplotlib.pyplot as plt
pylab.rcParams['figure.figsize'] = (16.0, 6.0)

# generate the plot
fig = plt.figure()

for i in range(len(algorithms)):
    s = algorithms[i].result
    ax = fig.add_subplot(2, 5, i+1, projection='3d')
    ax.scatter([s.objectives[0] for s in algorithms[i].result],
               [s.objectives[1] for s in algorithms[i].result],
               [s.objectives[2] for s in algorithms[i].result])
    ax.set_xlim([0, 1.1])
    ax.set_ylim([0, 1.1])
    ax.set_zlim([0, 1.1])
    ax.view_init(elev=30.0, azim=15)
    ax.set_title(algorithms[i].__class__.__name__)

plt.show()

感想

  • Pythonで多目的最適化をするならplatypusが使いやすい
  • 新しそうなアルゴリズムが実装されている?
  • 大きなプロジェクトでなさそうなので今後の開発が気になる
35
46
3

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
35
46

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?