Optuna 多目标优化的最佳参数

Question

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, 10)
    f1 = (x - 2) ** 2
    f2 = -f1
    return f1, f2

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

这可行，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？

Answer 1

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。这个集合如果经常被称为帕累托前沿。您可以通过study.best_trials 获取此 Pareto 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 值较小但同时f2 值较小的试验（坏）而另一个试验可能对f1（坏）和f2（好）都有很大的价值。这两个试验都可以从study.best_trials返回。