Optuna 多目标优化的最佳参数

问题描述

使用 Optuna 执行单目标优化时，可以使用以下方法访问研究的最佳参数：

import optuna
def objective(trial):
    x = trial.suggest_uniform('x',-10,10)
    return (x - 2) ** 2

study = optuna.create_study(direction='minimize')
study.optimize(objective,n_trials=100)

study.best_params  # E.g. {'x': 2.002108042}

如果我想执行多目标优化，例如：

import optuna
def multi_objective(trial):
    x = trial.suggest_uniform('x',10)
    f1 = (x - 2) ** 2
    f2 = -f1
    return f1,f2

study = optuna.create_study(directions=['minimize','maximize'])
study.optimize(multi_objective,n_trials=100)

这有效，但命令 study.best_params 失败并显示 RuntimeError: The best trial of a 'study' is only supported for single-objective optimization.

如何获得多目标优化的最佳参数？

解决方法

在多目标优化中，您通常会得到不止一个最佳试验，而是一组试验。这个集合通常被称为帕累托前沿。您可以通过 study.best_trials 获取此帕累托前沿或试验列表，然后查看每个单独试验的参数，即 study.best_trials[some_index].params。

例如，给定最小化 f1 和最大化 f2 的方向，您最终可能会得到一个 f1（良好）值很小的试验，但同时f2（坏）的值较小，而另一个试验可能对 f1（坏）和 f2（好）都有较大的值。这两个试验都可以从 study.best_trials 返回。

optimization optuna python