多目的最適化は、複数の相反する目的を同時に満たす必要がある場合にトレードオフ解を見つけることを含みます。このスキルは、NSGA-II、NSGA-III、MOEA/Dを含むpymooアルゴリズムへの包括的なアクセスを提供し、パレート最適解の発見とトレードオフフロントの可視化を行います。
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「pymoo」を使用しています。 Optimize ZDT1 with NSGA-II to find Pareto front
期待される結果:
- アルゴリズム: NSGA2（pop_size=100）
- 問題: ZDT1（30変数、2目的）
- 終了条件: 200世代
- 結果: 95個のパレート最適解を発見
- 可視化: 凸型パレートフロントを示す散布図
「pymoo」を使用しています。 Create custom two-objective optimization problem
期待される結果:
- クラス: pymoo.core.problemを継承したElementwiseProblem
- 変数: 2つの決定変数
- 目的関数: f1 = x[0]^2 + x[1]^2, f2 = (x[0]-1)^2 + (x[1]-1)^2
- 境界: 両変数とも[0, 5]
- 任意のpymooアルゴリズムで使用可能
「pymoo」を使用しています。 Apply constraint handling to optimization
期待される結果:
- 手法: ConstraintsAsPenaltyまたは実行可能性優先アプローチ
- CV（制約違反）配列による制約違反の追跡
- 実行可能解: CV[:, 0] == 0
- 不等式制約: g(x) <= 0
- 等式制約: h(x) = 0
セキュリティ監査
安全This is a legitimate multi-objective optimization documentation skill. All 315 static findings are false positives. The scanner misinterpreted markdown code formatting backticks as shell commands, optimization algorithm names (NSGA-II, NSGA-III) as cryptographic algorithms, and optimization terminology as security threats. Python scripts contain standard pymoo optimization examples with no malicious code.
リスク要因
品質スコア
作れるもの
工学設計の最適化
コスト、重量、強度、性能などの競合する設計目的間の最適なトレードオフを見つけます。
モデルのハイパーパラメータチューニング
精度、推論速度、モデルの複雑さなど、複数の相反する指標を同時に最適化します。
アルゴリズム比較研究
標準テスト問題で最適化アルゴリズムをベンチマークし、収束性と多様性を評価します。
これらのプロンプトを試す
Optimize the ZDT1 benchmark problem with NSGA-II to find the Pareto front. Use 100 population size and 200 generations.
Create a custom two-variable, two-objective problem where f1 = x[0]^2 + x[1]^2 and f2 = (x[0]-1)^2 + (x[1]-1)^2 with bounds [0, 5] for both variables.
Solve a constrained multi-objective optimization problem using the penalty method with NSGA-II. Show how to check feasibility of solutions.
Run NSGA-III on DTLZ2 with 5 objectives and visualize the results using a Parallel Coordinate Plot to show trade-offs across all objectives.
ベストプラクティス
- 再現可能な最適化結果のためにランダムシード（seed=1）を設定する
- 意思決定手法を適用する前に目的関数を[0,1]の範囲に正規化する
- ベンチマーク問題を使用する場合は、得られたフロントを真のパレートフロントと比較する
回避
- 多数目的問題（4目的以上）にNSGA-IIを使用する - 代わりにNSGA-IIIを使用すること
- 制約の定式化を無視する（不等式はg <= 0、等式はh = 0でなければならない）
- 結果を可視化せずに最適化を実行する - 常にパレートフロントをプロットすること