如何在Platypus的NSGAII算法中调整目标：最大化x²并最小化(x-1)²

嗨，这事儿其实很简单，因为Platypus的Problem类默认是最小化所有目标的，所以要实现最大化某个目标，我们只需要对这个目标取反（最小化一个负数等价于最大化原数值），或者直接显式设置目标的优化方向。下面给你两种可行的修改方式：

方法1：修改目标函数返回值（最直接） #

我们只需要把要最大化的x²改成-x²，这样算法在最小化这个负数的时候，就等价于最大化原来的x²。修改后的代码如下：

from platypus import NSGAII, Problem, Real

def schaffer(x):
    # 把最大化x²转为最小化 -x²，同时保留最小化(x-1)²
    return [-x[0]**2, (x[0]-1)**2]

problem = Problem(1, 2)
problem.types[:] = Real(-10, 10)
problem.function = schaffer

algorithm = NSGAII(problem)
algorithm.run(10000)

方法2：显式设置目标优化方向（更清晰） #

如果你不想修改目标函数的数值，可以通过Problem的directions属性来指定每个目标是最大化还是最小化。Platypus提供了Problem.MAXIMIZE和Problem.MINIMIZE两个常量来定义方向：

from platypus import NSGAII, Problem, Real

def schaffer(x):
    # 保持原目标函数的返回值
    return [x[0]**2, (x[0]-1)**2]

problem = Problem(1, 2)
problem.types[:] = Real(-10, 10)
problem.function = schaffer
# 第一个目标最大化，第二个目标最小化
problem.directions[:] = [Problem.MAXIMIZE, Problem.MINIMIZE]

algorithm = NSGAII(problem)
algorithm.run(10000)

这两种方法都能达到你的需求——最大化x²同时最小化(x-1)²。个人更推荐第二种，因为代码可读性更高，目标的优化方向一目了然，后期维护也更方便。

内容的提问来源于stack exchange，提问作者samie