三目标优化中Pareto最优解与支配解的识别及可视化求助

核心逻辑 #

Pareto最优点（非支配点）的判定规则：若某个点不存在其他点在所有目标维度上都优于它（最小化场景下所有目标值更小，最大化则更大），且至少有一个维度严格更优，那么该点即为Pareto最优。

以下是适配Excel数据的完整Python代码，涵盖数据读取、Pareto筛选和3D可视化：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 1. 读取Excel数据（确保目标列名为z1、z2、z3）
df = pd.read_excel('你的数据文件.xlsx')
# 提取三目标数值数组
objectives = df[['z1', 'z2', 'z3']].values

# 2. 定义Pareto最优判断函数
def is_pareto_efficient(costs, minimize=True):
    costs = np.array(costs)
    is_efficient = np.ones(costs.shape[0], dtype=bool)
    for i, c in enumerate(costs):
        if is_efficient[i]:
            if minimize:
                # 最小化场景：筛选出所有维度<=当前点，且至少一个维度<当前点的点
                dominated = np.all(costs[is_efficient] <= c, axis=1) & np.any(costs[is_efficient] < c, axis=1)
            else:
                # 最大化场景：筛选出所有维度>=当前点，且至少一个维度>当前点的点
                dominated = np.all(costs[is_efficient] >= c, axis=1) & np.any(costs[is_efficient] > c, axis=1)
            # 标记被支配的点
            is_efficient[is_efficient] = ~dominated
    return is_efficient

# 3. 筛选Pareto最优点与支配点
pareto_mask = is_pareto_efficient(objectives, minimize=True)  # 根据优化方向调整minimize参数
pareto_points = objectives[pareto_mask]
dominated_points = objectives[~pareto_mask]

# 4. 3D可视化区分两类点
fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')

# 绘制支配点（灰色低透明度，避免遮挡）
ax.scatter(dominated_points[:, 0], dominated_points[:, 1], dominated_points[:, 2], 
           color='gray', alpha=0.3, label='支配点')
# 绘制Pareto最优点（红色高亮）
ax.scatter(pareto_points[:, 0], pareto_points[:, 1], pareto_points[:, 2], 
           color='red', s=50, label='Pareto最优点')

ax.set_xlabel('z1')
ax.set_ylabel('z2')
ax.set_zlabel('z3')
ax.set_title('三目标优化Pareto前沿可视化')
ax.legend()
plt.show()

# 可选：将标记后的结果保存回Excel
df['is_pareto'] = pareto_mask
df.to_excel('带Pareto标记的数据.xlsx', index=False)

使用说明 #

1. 依赖安装：先执行命令安装所需库：

   pip install pandas numpy matplotlib openpyxl
   

   （openpyxl用于读取xlsx格式文件）
2. 数据适配：将代码中的你的数据文件.xlsx替换为实际文件路径，若Excel中目标列名不是z1/z2/z3，修改df[['z1', 'z2', 'z3']]中的列名即可。
3. 优化方向调整：如果目标是最大化，调用is_pareto_efficient时传入minimize=False。
4. GAMS pareto.py适配说明：GAMS提供的pareto.py多针对其专属输出格式（如.dat/.gms），上述代码直接读取Excel，更适配你的场景，无需额外修改。

细节提示 #

• 针对6050行数据，当前逐点判断的逻辑计算效率足够，无需额外优化。
• 可视化时支配点用灰色低透明度，可避免遮挡Pareto最优点，便于观察前沿形状。

内容的提问来源于stack exchange，提问作者atco35