從PlatEMO中提取真實PF前沿

覺得有用的話,歡迎一起討論相互學習~

• 眾所周知，我是Jmetal的重度愛好者，最近實驗遇到一些難以解决的困難，當我在進行超多目標優化實驗即MaOP時，需要M=10及以上的PF，然而在benchmark中沒有提供，而且Jmetal不支持通過均勻取點的方式生成PF。因此，經過老師的指導，我們選擇使用在PlatEMO中運行完相應目標數量的benchmark problem後，將通過均勻踩點得到的真實PF提取出來作為在Jmetal上進行實驗的真實PF.

觀察platEMO中PF數據結構

• 首先進入Test模塊，選擇好自己的算例和目標數量，此處設置目標數量為10，然後使其繼續運行，直到完成迭代次數。
  
• 選擇data-source模式為True PF,此時圖中顯示的在此目標數量下test problem的真實前沿
  
• 此時我們獲得了真實前沿，但是還需要其中的散點數據，只有將這些數據保存出來，才能在Jmetal中畫出前沿
• 此時選中–>open in new figure and save to workspace
  
• 即會出現這樣的小窗口，在主窗口選擇打開變量Data{},其中打開的即是對應圖形中真實PF的信息。
  
  
• 點開第一個單元格，可以看到數據的保存格式，錶示平行坐標圖的橫軸，是從1-10然後從10-1的不斷重複的序列，第二個單元格中存儲的是對應的目標函數值

• 因此為了將其轉換成Jemtal可使用的標准PF形式，即每一列錶示一個目標，每一行錶示一個PF上的點。需要將目前的數據格式做如下的處理，即

1. 將每十列重新分為一行
2. 單數行索引順序保持不變，雙數行索引順序倒置

准備處理數據

• 新建一個excel錶格保存數據，注意，如果直接將一整行進行保存，可能出現excel中列不够的情况，因此需要先將矩陣在platEMO中轉置後變成一列再複制到Excel中。由於目標數是10是固定的，因此只需要對目標對應的函數值進行處理。
  
  
  
• 嗯，現在再對數據做第一個處理，將數據每十行變成一列
  使用excel公式=INDEX($A:$A,ROW(A1)*10-10+COLUMN(A1))
  在單元格選中，然後向右拖10行，然後選中行，向下拉滿
  處理好後的數據如圖所示：
  
• 但是其雙數行還是從10-1的目標索引進行排列，為了保持一致，其雙數行需要變成從1-10的目標索引進行排列

對雙數行進行處理

• 因為現在雙數行的索引模式是倒序的，因此需要將其變為順序模式，為此，首先將數據複制一遍，成為沒有公式的純數據。
  

• 然後將其保存為csv文件格式，方便之後進行處理，excel另存為csv(逗號分割)。

• 寫一個python 脚本對test1.csv文件進行處理。

import csv

# 源文件名
filename = "./test1.csv"
pf_file = "./test1.pf"

singular_line = []  # 單數行
double_line = []  # 雙數行

num_obj = 10  # 目標個數，這錶示其中列的個數

singular_data = [[] for i in range(num_obj)]  # 單數行保存為一個num_obj列的二維數組
double_data = [[] for i in range(num_obj)]  # 單數行保存為一個num_obj列的二維數組

# 將文件中的信息保存到singular_data和double_data這兩個列錶中
with open(filename, 'r', encoding='utf-8') as f:
    i = 1
    for line in f.readlines():
        if i % 2 == 0:
            double_line.append(line)
        else:
            singular_line.append(line)
        i = i + 1
f.close()

# 再將兩個列錶中的數據進行處理，將雙數行中的數據換順序保存
# 單數行直接保存
for Sum in singular_line:

    # print(Sum.split("\n")[0].split(",")[0:])
    sum_eva_index = Sum.split("\n")[0].split(",")[0:]

    for i in range(num_obj):
        # print(sum_eva_index[i]) # test
        singular_data[i].append(float(sum_eva_index[i]))

# 雙數行反向後保存
for Sum in double_line:
    sum_eva_index = Sum.split("\n")[0].split(",")[0:]
    for i in range(num_obj):
        # print("i", i)
        double_data[i].append(float(sum_eva_index[num_obj - i - 1]))  # 注意，即使num_obj是目標數量，但是索引是從num_obj-1開始的

# 將數據寫入CSV文件中
# 將數據寫入csv日志文件中
with open(pf_file, 'w') as f:
    for i in range(len(singular_data[0])):  # 3504
        for j in range(len(singular_data)):  # 10
            # f.write([singular_data[0][i], singular_data[1][i], singular_data[2][i], singular_data[3][i],
            # singular_data[4][i], singular_data[5][i], singular_data[6][i], singular_data[7][i],
            # singular_data[8][i], singular_data[9][i]])
            f.write(str(singular_data[j][i]))
            # 用制錶符做分割
            if j!=(len(singular_data)-1):
                f.write("\t")
        # 換行符
        f.write("\n")
    for i in range(len(double_data[0])):  # 3504
        for j in range(len(double_data)):  # 10
            f.write(str(double_data[j][i]))
            # 用制錶符做分割
            if j!=(len(double_data)-1):
                f.write("\t")
        # 換行符
        f.write("\n")
    f.close()

# with open(pf_file, "w", newline='') as f:
# writer = csv.writer(f)
#
# # print(len(singular_data)) # 10
# # print(len(singular_data[0])) # 3504
# # 遍曆行
# for i in range(len(singular_data[0])): # i 取(0,1,2...)
# writer.writerow([singular_data[0][i], singular_data[1][i], singular_data[2][i], singular_data[3][i],
# singular_data[4][i], singular_data[5][i], singular_data[6][i], singular_data[7][i],
# singular_data[8][i], singular_data[9][i]])
#
# # 再寫雙數行
# for i in range(len(double_data[0])): # i 取(0,1,2...)
# writer.writerow([double_data[0][i], double_data[1][i], double_data[2][i], double_data[3][i],
# double_data[4][i], double_data[5][i], double_data[6][i], double_data[7][i],
# double_data[8][i], double_data[9][i]])
#
# f.close()

最終結果

• 可以來看看最終結果，這裏使用30行數據為例，test1.csv單數行被改到test1.pf的前15行，而轉換順序後的test1.csv的雙數行被改到test1.pf的後15行。