jMetal/jMetalPy

解决的问题

提供一个全面的框架，用于解决多目标优化问题，目标是找到一组最优权衡解（帕累托前沿），而不是单一的最佳答案。

工作原理

该库实现了多种进化算法（如 NSGA-II、NSGA-III 和 MOEA/D）和元启发式算法（如模拟退火和局部搜索）。用户可以定义问题，选择编码方式（实数、整数、二进制或排列），应用选择、交叉和变异等遗传操作，并使用质量指标和统计检验方法评估结果。

适用人群

专为从事多目标优化、进化计算和算法基准测试的研究人员和开发者设计。

主要亮点

• 丰富的算法库：包含遗传算法、进化策略以及基于偏好表达的算法。
• 分布式计算支持：支持使用 Apache Spark 和 Dask 进行并行执行。
• 全面的基准测试：包含大量标准基准问题（ZDT、DTLZ、WFG 等）和约束问题。
• 高级可视化：提供帕累托前沿近似值的实时、静态和交互式绘图，支持 2D、3D 和平行坐标图。
• 统计分析：内置工具支持使用频率学派和贝叶斯方法进行成对和多假设检验。