geatpy2/community

import geatpy as ea
import numpy as np

# 构建问题
cost = np.array([
    [8, 13, 12, 3, 14],
    [10, 6, 7, 3, 9],
    [4, 9, 6, 5, 4],
    [7, 5, 9, 12, 10]
]).flatten()
@ea.Problem.single
def evalVars(Vars):  # 定义目标函数（含约束）
    # f =   # 计算目标函数值
    x = Vars[0:20]
    v1 = np.sum(x * cost)
    p = Vars[20:24]
    v2 = np.sum(p)
    f = v1 + v2

    CV = np.array([
        p[0] - 220,
        p[1] - 380,
        p[2] - 250,
        p[3] - 400,
        0.8 * p[0] - 140,
        0.8 * p[1] - 200,
        0.8 * p[2] - 240,
        0.8 * p[3] - 360,
        abs(np.sum(Vars[0:5]) - p[0]),
        abs(np.sum(Vars[5:10]) - p[1]),
        abs(np.sum(Vars[10:15]) - p[2]),
        abs(np.sum(Vars[15:20]) - p[3]),
        abs(np.sum(Vars[[x for x in range(0, 20, 5)]]) - 110),
        abs(np.sum(Vars[[x for x in range(1, 20, 5)]]) - 160),
        abs(np.sum(Vars[[x for x in range(2, 20, 5)]]) - 80),
        abs(np.sum(Vars[[x for x in range(3, 20, 5)]]) - 200),
        abs(np.sum(Vars[[x for x in range(4, 20, 5)]]) - 100)
    ])  # 计算违反约束程度
    return f, CV
# dim = 24
problem = ea.Problem(name='soea quick start demo',
                        M=1,  # 目标维数
                        maxormins=[1],  # 目标最小最大化标记列表，1：最小化该目标；-1：最大化该目标
                        Dim=24,  # 决策变量维数
                        varTypes=[0]*24,  # 决策变量的类型列表，0：实数；1：整数
                        lb=[0] * 24,  # 决策变量下界
                        ub=[200] * 24,  # 决策变量上界
                        evalVars=evalVars,
                     )
# # 构建算法
algorithm = ea.soea_EGA_templet(problem,
                                ea.Population(Encoding='BG', NIND=100),
                                MAXGEN=200,  # 最大进化代数
                                logTras=1)  # 表示每隔多少代记录一次日志信息
# algorithm = ea.soea_SEGA_templet(problem,
#                                     ea.Population(Encoding='BG', NIND=2000),
#                                     MAXGEN=500,  # 最大进化代数。
#                                     logTras=1,  # 表示每隔多少代记录一次日志信息，0表示不记录。
#                                     trappedValue=1e-6,  # 单目标优化陷入停滞的判断阈值。
#                                     maxTrappedCount=10)  # 进化停滞计数器最大上限值。
# 求解
# algorithm =ea.soea_DE_best_1_bin_templet(problem,
#                                     ea.Population(Encoding='RI', NIND=2000),
#                                     MAXGEN=50,  # 最大进化代数。
#                                     logTras=1,  # 表示每隔多少代记录一次日志信息，0表示不记录。
#                                     trappedValue=1e-6,  # 单目标优化陷入停滞的判断阈值。
#                                     maxTrappedCount=10)
res = ea.optimize(algorithm, seed=1, verbose=True, drawing=1, outputMsg=True, drawLog=False, saveFlag=True, dirName='result')