evox.algorithms.mo.nsga2

模块内容

类

NSGA2

一个面向多目标优化问题的非支配排序遗传算法 II（NSGA-II）的张量化实现。

API

class evox.algorithms.mo.nsga2.NSGA2(pop_size: int, n_objs: int, lb: torch.Tensor, ub: torch.Tensor, selection_op: Optional[Callable] = None, mutation_op: Optional[Callable] = None, crossover_op: Optional[Callable] = None, device: torch.device | None = None)[源代码]

基础: evox.core.Algorithm

一个面向多目标优化问题的非支配排序遗传算法 II（NSGA-II）的张量化实现。

参考文献:

[1] K. Deb, A. Pratap, S. Agarwal, and T. Meyarivan, "A fast and elitist multiobjective genetic algorithm: NSGA-II," IEEE Transactions on Evolutionary Computation, vol. 6, no. 2, pp. 182-197, 2002. Available: https://ieeexplore.ieee.org/document/996017

[2] Z. Liang, H. Li, N. Yu, K. Sun, 和 R. Cheng, "Bridging Evolutionary Multiobjective Optimization and GPU Acceleration via Tensorization," IEEE Transactions on Evolutionary Computation, 2025. Available: https://ieeexplore.ieee.org/document/10944658

初始化

初始化 NSGA-II 算法。

参数:

  • pop_size -- 种群大小。

  • n_objs -- 优化问题中的目标函数数量。

  • lb -- 决策变量的下界（1D 张量）。

  • ub -- 决策变量的上界（1D 张量）。

  • selection_op -- 进化策略的选择操作（可选）。

  • mutation_op -- 基因突变操作，该选项的缺省值是 polynomial_mutation，如果未提供，则使用默认值 (可选)。

  • crossover_op -- 交叉操作，如果未提供（可选），默认为 simulated_binary。

  • device -- 计算应该运行的设备（可选）。默认为 PyTorch 的默认设备。

init_step()[源代码]

执行工作流的初始化步骤。

调用算法的 init_step 如果被重写；否则，将调用其 step 方法。

step()[源代码]

执行工作流的优化步骤。