NSGA2机器学习算法多目标优化

NSGA2算法是一种常见的多目标优化算法，可以用于求解各类多目标优化问题。今天简单介绍一下如何用NSGA2算法，联合机器学习预测模型，对某一实际问题的自变量的取值进行优化。

解决此类问题一般分为两个步骤，一是基于大量的历史数据训练一个机器学习模型；二是利用训练好的机器学习模型对未知自变量的目标值进行预测；将其应用到优化算法的适应度函数中，优化算法通过随机产生、更新不同的自变量值、通过训练好的预测模型得到对应的指标的预测值，然后优化算法根据一定的理论进行筛选、优化，保留优势解，然后不断更新迭代，最终得到我们的目标解。

具体实现：

1.利用机器学习算法训练模型；

2.通过geatpy库可以非常方便的调用NSGA2算法的模板创建一个NSGA2算法的实例化对象。

然后通过自定义一个Myproblem类，在该类中，定义好自变量的取值范围，定义好需要求解的机器学习模型作为解的评估函数；

3.进行求解，得到目标解，绘制图形，输出结果。

            

 示例代码：私信获得。