pymoo

Pymoo to framework do optymalizacji wielocelowej w Pythonie. Rozwiązuj problemy z konkurencyjnymi celami, znajdź rozwiązania Pareto-optymalne i analizuj kompromisy między nimi. Obsługuje algorytmy ewolucyjne (NSGA-II, NSGA-III, MOEA/D), problemy z ograniczeniami, zmienne binarne, dyskretne i ciągłe. Idealny dla projektowania inżynierskiego, gdy musisz wyważyć wiele sprzecznych wymagań jednocześnie.

1. Zainstaluj pymoo za pomocą pip: pip install pymoo. 2. Zdefiniuj swój problem optymalizacji, tworząc klasę dziedziczącą z Problem i implementując metodę _evaluate(), która oblicza wartości celów i ewentualnie ograniczenia dla każdego rozwiązania kandydującego. 3. Wybierz algorytm odpowiedni do typu problemu — dla problemów wielocelowych użyj NSGA-II lub NSGA-III, dla problemów jednoobjektywnych rozważ algorytmy genetyczne lub różnicową ewolucję. 4. Skonfiguruj warunki zatrzymania, takie jak liczba pokoleń lub czas wykonania. 5. Uruchom optymalizację za pomocą funkcji minimize(), przekazując problem, algorytm, warunki zatrzymania i opcjonalnie seed dla powtarzalności. 6. Analizuj wynik — dostęp do zmiennych decyzyjnych przez result.X, wartości celów przez result.F i naruszenia ograniczeń przez result.G, a następnie wizualizuj Pareto front lub porównaj rozwiązania kompromisowe.