差分进化算法_想用遗传算法？来看看这些已为你做好的开源优化框架

首发于公众号“一颗螺丝丁”，欢迎关注！

优化无处不在，无论你是不是从事优化研究，你都或多或少地面临研究模型优化问题。解决优化问题的算法被统称为优化算法，但优化算法的类型是非常多的。在机器学习中，大家都十分熟悉梯度下降法，在物理模型优化中，大家都熟悉牛顿法，而这些都是较为传统的优化算法了。随着模型越来越复杂，优化目标越来越多，传统算法都慢慢地无法胜任复杂优化任务，更为智能的优化方法也就应运而生了。其中有一类是进化优化算法，这类算法的思想来源是自然界的“优胜劣汰”法则，通过不停地保留好的个体最终达到优化目的。IEEE下有IEEE Transactions on Evolutionary Computation是为这类算法而开的。进化算法中最为人熟知的应该是遗传算法了，经过几十年的发展，现在进化算法家族已经枝繁叶茂了，重要的是越来越多的领域都开始使用这类算法解决一些实际难题了。关于遗传算法的通俗解释，大家可参阅科学松鼠会的这篇文章：https://songshuhui.net/archives/10462。而其余的进化类算法框架几乎与遗传算法相一致，有兴趣的可以查找更多的文献了解。

算法是好，但初学者要如何尽快地用它来解决自己的优化模型呢，毕竟不能都去研究实现这类算法。为了帮助读者更快地能够使用算法，本文将介绍一些比较流行的优化框架。使用优化框架，你不用再管算法如何实现，而只需要选择算法、编制优化问题，编译运行，相信会大大地降低优化研究的门槛。

PlatEMO

PlatEMO是安徽大学BIMK团队（生物智能与知识发现研究所Institute of Bio-inspired Intelligence and Mining Knowledge）开发的一款以进化算法为基础的多目标优化框架库，这个库是由田野同学、程然博士、张兴义老师和金耀初老师开发。PlatEMO使用Matlab平台搭建而成，并带有GUI界面，是一款易用性、功能性和扩展性俱佳的优化工具。当前，该工具可在Windows、Linux双平台稳定使用了，对于Macos平台，开发人员还在验证测试中。对于Matlab熟悉的同学相信可以很快上手部署自己的优化模型使用PlatEMO进行多目标优化。

PlatEMO的特色主要有以下几点：

50+的开源优化算法，包括常用的NSGA-II、GDE3及MOEA-D等等
100+的开源多目标优化测试例题，包括常用的ZDT系列、DTLZ系列及WFG系列
可以通过界面完成优化实验
可以一键导出优化结果至Excel以及Latex
目前始终在维护并不断地有新算法的添加
Matlab开发对于数据有丰富的展现形式

BIMK上PlatEMO的主页链接：http://bimk.ahu.edu.cn/12957/list.htm

PlatEMO Github主页：https://github.com/BIMK/PlatEMO，主页介绍中有QQ群联系方式，入门级别的一些中文资料可参考：https://blog.csdn.net/qq_40434430/article/details/88366639以及该博主所发布的其它关于PaltEMO的文章。

PlatEMO综述文章：Tian Y, Cheng R, Zhang X, et al. PlatEMO: A MATLAB platform for evolutionary multi-objective optimization[J]. IEEE Computational Intelligence Magazine, 2017, 12(4): 73-87.

Jmetal

Jmetal是一个优秀的启发式算法（包含进化算法）开源框架，Github项目主页为https://github.com/jMetal。当前Jmetal已经进入了Jmetal5.0时代了。Jmetal框架成熟，同样也是适用于作为优化算法的测试以及二次开发的原始框架。Jmetal项目中包含了对最初的Java版本的全面介绍。虽然这些介绍十分精简，但对于深入理解Jemtal 的设计思路是有益的。

Jmetal的特点主要有以下几点：

Jmetal分支众多，包含java版本、python版本以及c++版本
30+的优化算法，包含单目标、多目标优化
除常用ZDT系列等例题，还包含CEC2009、CEC2018等优化竞赛例题
目前始终在维护并不断地有新算法的添加
变量编码形式较多
版本模块化很强易开发，且有着很好的性能

遗憾的是Jmetal当前并没有GUI界面，这对于想要使用这一优化工具的新手来说显得有一点不友好，但好在Jemtal版本有着较为详细的配置手册（限于Javapython版本），且python版本借助于所在平台可以干很多可视化的事。下图例：

Jmetal5（java）的介绍主页：http://jmetal.github.io/jMetal/ （Jmetal开发者连网页代码都开源了==）

Jmetal-cpp的介绍主页：http://jmetalcpp.sourceforge.net/

Jmetal-Py的综述文章：Benitez-Hidalgo A, Nebro A J, Garcia-Nieto J, et al. jMetalPy: a Python Framework for Multi-Objective Optimization with Metaheuristics[J]. arXiv preprint arXiv:1903.02915, 2019.

MOEA FRAMEWORK

MOEA Framework（以下简称MOEA）框架是David Hadka等人开发的一款开源Java优化框架。MOEA也是为多目标优化而开发，但同时也是包含许多单目标优化算法的，它的特性总结起来有以下几点：

40+的开源优化算法（有些是从jmetal和pisa等拿过来的），常用的测试例题
易扩展性
并行支持好，无需进行并行代码的编写
内含有丰富的测试算法的工具
为企业提供专业支持
比较详细的使用文档

如果当前你的计算机带有JDK（可以打开java文件），可以运行MOEA给的运行实例（主页右侧），感受一下。

MOEA的主页链接：http://moeaframework.org/

MOEA的Github链接：https://github.com/MOEAFramework

其它一些不再更新的多目标优化框架

PISA (https://sop.tik.ee.ethz.ch/pisa/)

PISA Logo
PISA是苏黎世联邦理工学院ETH Zurich的Eckart Zitzler教授领导开发的一款多目标优化框架。熟悉进化算法理论的应该知道Zitzler是个大牛，不过目前他已从ETH Zurich离开，PISA由其他人接手。PISA在功能性上还可以，但是对于初学者来说，它的配置“过于复杂”了。从它的Bug日志来看，PISA也似乎有几年没有更新维护了，因而这个项目可能也终止了。

OTL (https://github.com/O-T-L)

TL LogoOTL诞生于国内进化算法研究专家郑金华老师的实验室。OTL目前似乎是不再继续维护了，而且平台采用C++和Python混合编程搭建，对初学者有一定的门槛要求，尽管提供了安装教程，但涉及到boost以及CMake等的配置，所以本文不对该框架进行过多描述了，有兴趣的可访问Github主页访问，其中附有一篇OTL综述文献可供参考学习。

OPT4J （http://opt4j.sourceforge.net/）

OPT4J 是一个开源的基于java的进化计算框架。它包含SPEA2、NSGA2、差分进化、粒子群优化和模拟退火等常用算法。基准测试集包括ZDT、DTL、WFG和背包问题。OPT4J 为配置提供图形用户界面以及优化过程的可视化。可惜当前最新Release停留在2015年。

Watchmaker Framework （https://watchmaker.uncommons.org/index.php）

watchmaker是一个基于Java开发的多目标优化框架，由个人开发者负责。它具有可视化优化过程，并行支持等特性，但是主要以遗传算法为主，当前Github上的最后一次commit是2017年，对于主体代码的维护似乎不再支持。主页上提供了比较全面的API说明，使用手册。感兴趣的可以自行了解。

ParadisEO（http://paradiseo.gforge.inria.fr/index.php）

ParadisEO是一个基于c++开发的多目标优化框架，有着很好的设计理念，可以在windows、Linux以及macos上运行。其中包含一些常用的算法与测试例题。当前events更新到2012年，所以应该也是不再维护了。

至此，本文介绍了一些优化框架，后续可能会带来更多的文章，敬请关注。感谢您的阅读！