如何解决多目标优化约束问题:R
鉴于 model1
model2
和 model3
之前已经可以验证工作,我有以下代码定义了我想在我的多目标优化问题中使用的两个约束。>
restrictions <- function (var) {
x <- var[1]; y <- var[2]
restrictions <- logical(2)
restrictions[1] <- (predict(get(model1),data.frame(x,y),type = "response") < 500)
restrictions[2] <- (predict(get(model1),type = "response") > 0)
return (restrictions);
}
fn <- function (var) {
x <- var[1]; y <- var[2]
f <- numeric(3)
f[1] <- predict(get(model1),type = "response")
f[2] <- predict(get(model2),type = "response")
f[3] <- predict(get(model3),type = "response")
return (f);
}
最后是使用 mco 库的优化过程
library (mco)
optimum <- mco::nsga2 (fn = fn,idim = 2,odim=3,constraints = restrictions,cdim = 2,generations = 100,popsize= 40,cprob = 0.5,cdist = 20,mprob = 0.5,mdist = 20,lower.bounds = c(-80,50),upper.bounds = c(-70,60)
)
主要问题是解决方案不遵守指定的约束。对此有什么想法吗?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。