r - 帕累托优化 - 非支配点

Question

我写了一个算法，它返回一个类似于 nsga2 返回的列表。(包“mco”的 nsga2(pdf))

算法本身无法识别一个点是否为非支配点。它返回的一些点是支配的，它只包含点和它们的值，而不是 nsga2 返回的逻辑向量。

我正在尝试获取非支配点(不是它们的值)。

对于 nsga2 的结果，您可以使用 paretoSet() 来获取值，但这取决于逻辑向量是否已在 nsga2 期间预先计算。

我还查看了“mco”包的 paretoFront()/paretoFilter() 和包“emoa”(pdf)的 nondominated_points()，但是它们仅适用于值，无法获得积分。

解决这个问题的一种方法是接受这些值，然后针对每个值通过这些点，查看它是否具有该值，如果是，则将其添加到列表中。但我认为必须存在一个返回点的函数。

要重现此内容，您可以使用:

res = nsga2(func, 3, 2, lower.bounds=rep(0, 5), upper.bounds=rep(1, 5))
res$pareto.optimal = NULL
points = paretoSet(res) # points will be empty because res does 
                        # not have the logic vector

Answer 1

这是一个迟到的答案，但它可能对 future 的访问者有用。

在使用不同的输入数据更仔细地测试您的答案代码后，我意识到它在某些情况下可能无法正常工作。

看看这个例子。输入数据为here .

使用您的代码(改编)的结果:

urlfile<-'https://raw.githubusercontent.com/allanvc/pareto_non_dominated_points-test/master/data_example.txt'
dt<-read.table(urlfile, header=TRUE)

from = 1:nrow(dt)
d <- as.data.frame(cbind(dt, from))
D = d[order(d$x, d$y), ]
nondom = D[which(!duplicated(cummin(d$y))), ]

plot(d[,c(1,2)])
points(nondom, col='red')

我们可以清楚地看到您的算法无法正确找到非支配点。例如，左下角(原点附近)的紫色点就是其中之一。

在寻找替代的快速解决方案后，我找到了两个可以完成这项工作的软件包:“ecr”和“emoa”。实际上emoa在里面加载了ecr。

与 ecr:

# ecr alternative:
library(ecr)
nondom_ecr <- dt[which.nondominated(t(dt)),]

plot(dt)
points(nondom_ecr, col='red')

情绪化:

library(emoa)
nondom_emoa <- nondominated_points(t(as.matrix(dt)))

plot(dt)
points(t(nondom_emoa), col='green')

注意:

在这两种情况下，我们都必须将数据矩阵作为“长格式”传递给函数。所以我们用 t() 简单地转置它。

有关这些软件包的更多信息，请访问:

1. https://www.rdocumentation.org/packages/ecr/versions/2.1.0/

2. http://r.adu.org.za/web/packages/emoa/emoa.pdf

类(class)信息:

R version 3.4.4 (2018-03-15)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Linux Mint 18.3

Matrix products: default
BLAS: /usr/lib/libblas/libblas.so.3.6.0
LAPACK: /usr/lib/lapack/liblapack.so.3.6.0

locale:
 [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C               LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    
 [5] LC_MONETARY=pt_BR.UTF-8    LC_MESSAGES=en_US.UTF-8    LC_PAPER=pt_BR.UTF-8       LC_NAME=C                 
 [9] LC_ADDRESS=C               LC_TELEPHONE=C             LC_MEASUREMENT=pt_BR.UTF-8 LC_IDENTIFICATION=C       

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
 [1] emoa_0.5-0          ecr_2.1.0           smoof_1.5.1         checkmate_1.8.5     ParamHelpers_1.10   BBmisc_1.11        
 [7] magrittr_1.5        ggplot2_2.2.1       RcppMLPACK_1.0.10-6 Rcpp_0.12.16       

loaded via a namespace (and not attached):
 [1] parallelMap_1.3     pillar_1.1.0        compiler_3.4.4      RColorBrewer_1.1-2  plyr_1.8.4          bindr_0.1          
 [7] tools_3.4.4         digest_0.6.14       viridisLite_0.2.0   jsonlite_1.5        tibble_1.4.2        gtable_0.2.0       
[13] pkgconfig_2.0.1     rlang_0.1.6         parallel_3.4.4      yaml_2.1.16         bindrcpp_0.2        stringr_1.2.0      
[19] dplyr_0.7.4         httr_1.3.1          htmlwidgets_1.0     plot3D_1.1.1        grid_3.4.4          glue_1.2.0         
[25] data.table_1.10.4-3 R6_2.2.2            plotly_4.7.1        mco_1.0-15.1        RJSONIO_1.3-0       reshape2_1.4.3     
[31] tidyr_0.7.2         purrr_0.2.4         backports_1.1.2     scales_0.5.0        htmltools_0.3.6     assertthat_0.2.0   
[37] misc3d_0.8-4        colorspace_1.3-2    labeling_0.3        stringi_1.1.6       lazyeval_0.2.1      munsell_0.4.3