使用 DEAP 的遗传算法进行多目标优化

Question

我正在尝试解决物流配送路线问题。例如，有 x 辆卡车需要将 y 产品从各自的起点配送到各自的目的地。

要解决的问题：

1. 哪种产品由哪辆卡车运送；
2. 取货和下货的顺序是什么。

要达到的目标：（不同的权重）

• 一件产品取货的最短等待时间；
• 每种产品的交货时间最短。

阅读 DEAP 文档及其示例后，我仍然不确定什么是实现此功能的好方法。因为对于上面的问题 1 和 2，我有不同的选择、交叉和变异功能，但在 DEAP 中您似乎只能在工具箱中为每个功能注册一个功能？

其次，这里如何实现评估功能？ 我定义的个体是一个类实例，由卡车类实例的字典、产品类实例的字典、卡车 ID 列表、产品 ID 列表和产品-卡车组合选项字典组成。个人和评估值之间的联系并不是那么简单，只有一个评估函数有点难（至少对我这个新手来说）。谢谢！

Answer 1

您可以实现一个返回两个值的评估函数，一个为等待时间，一个为交货时间。

def waiting(individual):
    # do some calculation

def delivery(individual):
    # do some other calculation

def evaluate(individual):
    return waiting(individual), delivery(individual)

然后只需在您的工具箱中注册此评估函数，并在您的适应度定义中设置weights 向量以包含两个数字

toolbox = base.Toolbox()
toolbox.register("attr_flt", random.uniform, 0, 1)

creator.create("FitnessMin", base.Fitness, weights=(-1.0, -1.0)) #you want to minimize both times
creator.create("Individual", list, fitness=creator.FitnessMin)

toolbox.register("individual", tools.initRepeat, creator.Individual, toolbox.attr_float, n=5)
toolbox.register("evaluate", evaluate)