Manytasking Jmetal 代码反向解析 1_MATP 测试函数集

演化计算与人工智能

发布于 2020-08-14 16:26:50

4540

发布于 2020-08-14 16:26:50

文章被收录于专栏：人工智能与演化计算成长与进阶

这是我在写 Manytask optimization 时的笔记，代码地址可以下载[1]
打开文件夹如下目录，选择 benchmark 中的任意一个测试函数集，此时我们选择MATP1

MATP1

package momfo.problems.benchmarks;

import java.io.IOException;

import momfo.core.Problem;
import momfo.core.ProblemSet;
import momfo.problems.base.*;


public class MATP1 {

 public static ProblemSet getProblem() throws IOException {

  int taskNumber=50;

  ProblemSet problemSet = new ProblemSet(taskNumber);

  for(int i=1;i<=taskNumber;i++)
   problemSet.add(getT(i).get(0));

  return problemSet;

 }


 public static ProblemSet getT(int taskID) throws IOException {
  ProblemSet problemSet = new ProblemSet(1);

  MMDTLZ prob = new MMDTLZ(2, 50, 1, -100,100);
  prob.setGType("sphere");


  double[][] matrix = IO.readMatrixFromFile("MData/M1/M1_"+taskID+".txt");

  double shiftValues[] = IO.readShiftValuesFromFile("SVData/S1/S1_"+taskID+".txt");

  prob.setRotationMatrix(matrix);
  prob.setShiftValues(shiftValues);

  ((Problem)prob).setName("MATP1-"+taskID);

  problemSet.add(prob);

  return problemSet;
 }

}

int taskNumber=50; 表示 MATP1 问题设置的任务个数是 50，初始化 problemSet 作为一个容器以承载每一个被初始化后的实际 MATP1 问题。
problemSet.add(getT(i).get(0)); 意味着此时需要关注的是getT函数，从

MMDTLZ prob = new MMDTLZ(2, 50, 1, -100,100);
prob.setGType("sphere");

看出 MATP_1 是一个双目标的问题，并且决策变量个数为 50，决策变量最小值为-100，最大值为 100，而 G 函数的类型为sphere,而只要是双目标的函数使用的 H 函数都是circle

// MMDTLZ
if (numberOfObjectives == 2)
   hType_ = "circle";
  else
   hType_ = "sphere";

通过

double[][] matrix = IO.readMatrixFromFile("MData/M1/M1_"+taskID+".txt");

double shiftValues[] = IO.readShiftValuesFromFile("SVData/S1/S1_"+taskID+".txt");

可知 matrix[][]其中保存有旋转函数，根据 taskID 具有不同的旋转角度，shiftValues 则保存了偏移向量，通过不同的旋转函数和偏移向量可以保证 MATP 问题中的不同任务即使具有相同的帕累托前沿，但是对应的决策变量距离和位置却完全不同。

注意在 MATP2 中仅仅设置 G 函数的形状为`sphere`和`alpha`值 1。(后期通关观察得知，alpha 值是用于计算 cos 函数的)

MATP2

public class MATP2 {

 public static ProblemSet getProblem() throws IOException {

  int taskNumber=50;

  ProblemSet problemSet = new ProblemSet(taskNumber);

  for(int i=1;i<=taskNumber;i++)
   problemSet.add(getT(i).get(0));

  return problemSet;

 }


 public static ProblemSet getT(int taskID) throws IOException {
  ProblemSet problemSet = new ProblemSet(1);

  MMZDT prob = new MMZDT(50, 1,  -100,100);
  prob.setGType("mean");
  prob.setHType("concave");


  double[][] matrix = IO.readMatrixFromFile("MData/M2/M2_"+taskID+".txt");

  double shiftValues[] = IO.readShiftValuesFromFile("SVData/S2/S2_"+taskID+".txt");

  prob.setRotationMatrix(matrix);
  prob.setShiftValues(shiftValues);

  ((Problem)prob).setName("MATP2-"+taskID);

  problemSet.add(prob);

  return problemSet;
 }

}

和 MATP1 问题不同的是 MATP2 问题设置 G 函数为`mean`,设置 H 函数为`concave`,最终形状为`concave`并且是根据`ZDT`问题改编的，而不是`DTLZ`问题，表示有 50 个变量，并且 K 值为 1，根据`ZDT`问题的默认函数来看，`ZDT`问题构造的都是双目标问题。

public MMZDT(int numberOfVariables, int k, double lg, double ug) {
  numberOfObjectives_ = 2;
  numberOfVariables_ = numberOfVariables;
  k_ = k;

  gType_ = "sphere";
  f1Type_ = "linear";
  hType_ = "convex";

MATP3

package momfo.problems.benchmarks;

import java.io.IOException;

import momfo.core.Problem;
import momfo.core.ProblemSet;
import momfo.problems.base.*;


public class MATP3 {

 public static ProblemSet getProblem() throws IOException {

  int taskNumber=50;

  ProblemSet problemSet = new ProblemSet(taskNumber);

  for(int i=1;i<=taskNumber;i++)
   problemSet.add(getT(i).get(0));

  return problemSet;

 }


 public static ProblemSet getT(int taskID) throws IOException {
  ProblemSet problemSet = new ProblemSet(1);

  MMZDT prob = new MMZDT(10,  1, -5,5);
  prob.setGType("rosenbrock");
  prob.setHType("concave");


  double[][] matrix = IO.readMatrixFromFile("MData/M3/M3_"+taskID+".txt");

  double shiftValues[] = IO.readShiftValuesFromFile("SVData/S3/S3_"+taskID+".txt");

  prob.setRotationMatrix(matrix);
  prob.setShiftValues(shiftValues);

  ((Problem)prob).setName("MATP3-"+taskID);

  problemSet.add(prob);

  return problemSet;
 }

}

和 MATP1 以及 MATP2 问题不同的是 MATP3 问题设置 G 函数为`rosenbrock`,设置 H 函数为`concave`,最终形状为`concave`并且是根据`ZDT`问题改编的，而不是`DTLZ`问题，表示有 50 个这样的任务，并且 K 值为 1，根据`ZDT`问题的默认函数来看，`ZDT`问题构造的都是双目标问题,与 MATP2 问题不同的是使用 10 个变量，并且变量范围为[-5,5]而不是[-50,50]

MATP4

import java.io.IOException;

import momfo.core.Problem;
import momfo.core.ProblemSet;
import momfo.problems.base.*;


public class MATP4 {

 public static ProblemSet getProblem() throws IOException {

  int taskNumber=50;

  ProblemSet problemSet = new ProblemSet(taskNumber);

  for(int i=1;i<=taskNumber;i++)
   problemSet.add(getT(i).get(0));

  return problemSet;

 }


 public static ProblemSet getT(int taskID) throws IOException {
  ProblemSet problemSet = new ProblemSet(1);

  MMDTLZ prob = new MMDTLZ(2, 50, 1, -2,2);
  prob.setGType("rastrigin");


  double[][] matrix = IO.readMatrixFromFile("MData/M4/M4_"+taskID+".txt");

  double shiftValues[] = IO.readShiftValuesFromFile("SVData/S4/S4_"+taskID+".txt");

  prob.setRotationMatrix(matrix);
  prob.setShiftValues(shiftValues);

  ((Problem)prob).setName("MATP4-"+taskID);

  problemSet.add(prob);

  return problemSet;
 }

}

可以看出`MATP4`使用的是 DTLZ 函数其中具有两个目标函数，具有 50 个决策变量，alpha 值为 1，上界为 2 下界为-2.使用的 G 函数为`rastrigin`,使用的 H 函数为`sphere`

//MMDTLZ
if (numberOfObjectives == 2)
   hType_ = "circle";
  else
   hType_ = "sphere";

MATP5

package momfo.problems.benchmarks;

import java.io.IOException;

import momfo.core.Problem;
import momfo.core.ProblemSet;
import momfo.problems.base.*;


public class MATP5 {

 public static ProblemSet getProblem() throws IOException {

  int taskNumber=50;

  ProblemSet problemSet = new ProblemSet(taskNumber);

  for(int i=1;i<=taskNumber;i++)
   problemSet.add(getT(i).get(0));

  return problemSet;

 }


 public static ProblemSet getT(int taskID) throws IOException {
  ProblemSet problemSet = new ProblemSet(1);

  MMZDT prob = new MMZDT(50, 1,  -1,1);
  prob.setGType("ackley");
  prob.setHType("convex");


  double[][] matrix = IO.readMatrixFromFile("MData/M5/M5_"+taskID+".txt");

  double shiftValues[] = IO.readShiftValuesFromFile("SVData/S5/S5_"+taskID+".txt");

  prob.setRotationMatrix(matrix);
  prob.setShiftValues(shiftValues);

  ((Problem)prob).setName("MATP5-"+taskID);

  problemSet.add(prob);

  return problemSet;
 }

}

决策变量个数为 50，k 为 1，变量最小范围为-1，变量最大范围为 1，G 函数为`ackley`,H 函数为`convex`

MATP6

package momfo.problems.benchmarks;

import java.io.IOException;

import momfo.core.Problem;
import momfo.core.ProblemSet;
import momfo.problems.base.*;


public class MATP6 {

 public static ProblemSet getProblem() throws IOException {

  int taskNumber=50;

  ProblemSet problemSet = new ProblemSet(taskNumber);

  for(int i=1;i<=taskNumber;i++)
   problemSet.add(getT(i).get(0));

  return problemSet;

 }


 public static ProblemSet getT(int taskID) throws IOException {
  ProblemSet problemSet = new ProblemSet(1);

  MMDTLZ prob = new MMDTLZ(2, 50, 1, -50,50);
  prob.setGType("griewank");


  double[][] matrix = IO.readMatrixFromFile("MData/M6/M6_"+taskID+".txt");

  double shiftValues[] = IO.readShiftValuesFromFile("SVData/S6/S6_"+taskID+".txt");

  prob.setRotationMatrix(matrix);
  prob.setShiftValues(shiftValues);

  ((Problem)prob).setName("MATP6-"+taskID);

  problemSet.add(prob);

  return problemSet;
 }

}

目标函数 2 个，50 个决策变量，alpha 值设置为 1，下边界为-50，上边界为 50，G 函数为`griewank`,H 函数为`circle`

MATP 算例总结

float[] rgb1 = {0, 0, 0};//黑色-circle
        float[] rgb2 = {(float) 0, (float) 0, (float) 139};//蓝黑-concave
        float[] rgb3 = {(float) 255, (float) 0, (float) 0};//红色-concave
        float[] rgb4 = {(float) 0, (float) 255, (float) 0};//绿色-circle
        float[] rgb5 = {(float) 255, (float) 255, (float) 0};//黄色-convex
        float[] rgb6 = {(float) 139, (float) 69, (float) 19};//巧克力色-circle


        float alpha = (float) 1;
        Scatter scatter1 = tools.Setpoint(TruePFT1_Matrix, rgb1, alpha, 20);
        Scatter scatter2 = tools.Setpoint(TruePFT2_Matrix, rgb2, alpha, 15);
        Scatter scatter3 = tools.Setpoint(TruePFT3_Matrix, rgb3, alpha, 8);
        Scatter scatter4 = tools.Setpoint(TruePFT4_Matrix, rgb4, alpha, 10);
        Scatter scatter5 = tools.Setpoint(TruePFT5_Matrix, rgb5, alpha, 6);
        Scatter scatter6 = tools.Setpoint(TruePFT6_Matrix, rgb6, alpha, 5);

Summary

参考资料

[1]

地址可以下载: http://www.bdsc.site/websites/MTO/MO-ManyTask-Benchmarks.rar

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2020-07-23，如有侵权请联系 cloudcommunity@tencent.com 删除

编程算法

本文分享自 DrawSky 微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

编程算法

登录后参与评论

0 条评论

热度

Manytasking Jmetal 代码反向解析 1_MATP 测试函数集

Manytasking Jmetal 代码反向解析 1_MATP 测试函数集

MATP1

注意在 MATP2 中仅仅设置 G 函数的形状为`sphere`和`alpha`值 1。(后期通关观察得知，alpha 值是用于计算 cos 函数的)

MATP2

MATP3

MATP4

可以看出`MATP4`使用的是 DTLZ 函数其中具有两个目标函数，具有 50 个决策变量，alpha 值为 1，上界为 2 下界为-2.使用的 G 函数为`rastrigin`,使用的 H 函数为`sphere`

MATP5

决策变量个数为 50，k 为 1，变量最小范围为-1，变量最大范围为 1，G 函数为`ackley`,H 函数为`convex`

MATP6

目标函数 2 个，50 个决策变量，alpha 值设置为 1，下边界为-50，上边界为 50，G 函数为`griewank`,H 函数为`circle`

MATP 算例总结

Summary

参考资料

社区

活动

资源

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

Manytasking Jmetal 代码反向解析 1_MATP 测试函数集

Manytasking Jmetal 代码反向解析 1_MATP 测试函数集

MATP1

注意在 MATP2 中仅仅设置 G 函数的形状为sphere和alpha值 1。(后期通关观察得知，alpha 值是用于计算 cos 函数的)

MATP2

和 MATP1 问题不同的是 MATP2 问题设置 G 函数为mean,设置 H 函数为concave,最终形状为concave并且是根据ZDT问题改编的，而不是DTLZ问题，表示有 50 个变量，并且 K 值为 1，根据ZDT问题的默认函数来看，ZDT问题构造的都是双目标问题。

MATP3

MATP4

可以看出MATP4使用的是 DTLZ 函数其中具有两个目标函数，具有 50 个决策变量，alpha 值为 1，上界为 2 下界为-2.使用的 G 函数为rastrigin,使用的 H 函数为sphere

MATP5

决策变量个数为 50，k 为 1，变量最小范围为-1，变量最大范围为 1，G 函数为ackley,H 函数为convex

MATP6

目标函数 2 个，50 个决策变量，alpha 值设置为 1，下边界为-50，上边界为 50，G 函数为griewank,H 函数为circle

MATP 算例总结

Summary

参考资料

社区

活动

资源

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

注意在 MATP2 中仅仅设置 G 函数的形状为`sphere`和`alpha`值 1。(后期通关观察得知，alpha 值是用于计算 cos 函数的)

可以看出`MATP4`使用的是 DTLZ 函数其中具有两个目标函数，具有 50 个决策变量，alpha 值为 1，上界为 2 下界为-2.使用的 G 函数为`rastrigin`,使用的 H 函数为`sphere`

决策变量个数为 50，k 为 1，变量最小范围为-1，变量最大范围为 1，G 函数为`ackley`,H 函数为`convex`

目标函数 2 个，50 个决策变量，alpha 值设置为 1，下边界为-50，上边界为 50，G 函数为`griewank`,H 函数为`circle`