使用pymoo优化时if语句触发ValueError数组真值模糊问题咨询

• pymoo的_evaluate方法每次会传入整个种群的样本集合，你传入joist_h_des的X[:, 0]、X[:, 1]都是长度等于种群规模的numpy数组，不是单个数值，因此计算得到的defCHK也是数组
• Python的if语句只能判断单个布尔值，直接对数组做defCHK > 1运算得到的是一个布尔数组，numpy无法确定是要判断「所有元素都大于1」还是「存在元素大于1」，因此抛出歧义错误。

推荐使用numpy向量化操作替代if判断，效率更高，也适配pymoo的批量计算逻辑，把joist_h_des函数里的if分支用np.where替换即可：

def joist_h_des(b, h):
    defCHK = 581818181/(b*h**3/12)/50
    # 批量处理数组：大于1的元素设为0，其余保留原值
    defCHK = np.where(defCHK > 1, 0, defCHK)
    return defCHK

如果后续需要写更复杂的逐个体判断逻辑，也可以遍历X的每一行单独计算，缺点是运行效率更低，示例如下：

def _evaluate(self, X, out, *args, **kwargs):
    f1 = []
    # 逐行遍历每个个体计算f1
    for x in X:
        f1.append(-joist_h_des(x[0], x[1]))
    f1 = np.array(f1)
    
    f2 = X[:, 0] * X[:, 1]
    g1 = ((X[:, 0] * X[:, 1])-200000)
    g2 = - (X[:, 0] * X[:, 1])-60000

    out["F"] = np.column_stack([f1, f2])
    out["G"] = np.column_stack([g1, g2])

你当前代码里的约束g2 = - (X[:, 0] * X[:, 1])-60000，按照pymoo默认「g<=0为可行」的规则，等价于要求X[:,0]*X[:,1] >= -60000，这个约束永远成立没有实际意义。如果你是要限制截面面积不小于60000，可以修改为g2 = 60000 - X[:,0] * X[:,1]。

内容的提问来源于stack exchange，提问作者rsc