Optuna 多目標優化的最佳參數

Question

使用Optuna執行單目標優化時，可以使用以下方法訪問研究的最佳參數：

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}

如果我想執行多目標優化，這將成為例如：

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

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

這可行，但命令study.best_params失敗並出現RuntimeError: The best trial of a 'study' is only supported for single-objective optimization.

如何獲得多目標優化的最佳參數？

Answer 1

在多目標優化中，您通常會得到不止一個最佳試驗，而是一組試驗。 這個集合如果經常被稱為帕累托前沿。 您可以通過study.best_trials獲取此 Pareto 前沿或試驗列表，然后查看每個單獨試驗的參數，即study.best_trials[some_index].params 。

例如，給定最小化f1和最大化f2的方向，您最終可能會得到一個f1值較小（好）但同時f2值較小（壞）的試驗，而另一個試驗可能具有較大的值對於f1 （壞）和f2 （好）。 這兩個試驗都可以從study.best_trials中返回。