Question

编辑：代替其他建议，我决定使用Python DEAP framework，直到我找到可用的东西。希望这有助于解决类似问题的人。

我正在实施一个系统，我们需要为客户端进行多目标优化，如下所示：

制造系统必须通过焊接生产N个部件（相同类型）。为此，可以选择某种材料，焊接方法以及用于构建每个部件的焊接点的数量。下图显示了问题的参数及其相互依赖性：

enter image description here

我可以使用

的值

material
welding method
number of spot welding points

我需要找到材料，焊接方法和焊接点数量的组合/ 最小化成本和最大化稳定性的部分。

我在考虑使用进化算法方法。但是，我的背景不是优化，所以，如果有人可以建议一个更适合这个问题的更具体的算法，那将非常有帮助。

Answer 1

假设您有“成本”和“稳定性”的成本函数，您可以使用传统的多目标EA，如NSGa-II，SPEA-2和PAES。显然，算法的选择在很大程度上取决于您拥有的样本数量，成本函数的特征和其他重要特征。对于类似的应用程序，您可以查看Applied Soft Computing等期刊。

Answer 2

Answer 3

老帖子，我意识到，但是为了任何有类似情况的人......

尽管使用EA是一种方法，但这个问题让我感到非常适合混合整数编程。 EA可能很棒，但无法保证达到最佳解决方案。另一方面，MIP可以达到最佳解决方案（并证明它是最佳的）。此外，多个目标可以很容易实现。

我建议查看Gurobi（https://www.gurobi.com/）。他们在使MIP尽可能易于访问方面做得非常出色，并且在他们的网站上有很多文档和示例可供使用。一开始这是一个学习曲线，但你很快就会看到机会在你看的任何地方使用MIP，所以我认为时间投资会有所回报。我相信也有试用许可证。