######################################################################## # # This is an example call of MIDACO 6.0 # ------------------------------------- # # MIDACO solves Multi-Objective Mixed-Integer Non-Linear Problems: # # # Minimize F_1(X),... F_O(X) where X(1,...N-NI) is CONTINUOUS # and X(N-NI+1,...N) is DISCRETE # # subject to G_j(X) = 0 (j=1,...ME) equality constraints # G_j(X) >= 0 (j=ME+1,...M) inequality constraints # # and bounds XL <= X <= XU # # # The problem statement of this example is given below. You can use # this example as template to run your own problem. To do so: Replace # the objective functions 'F' (and in case the constraints 'G') given # here with your own problem and follow the below instruction steps. # ######################################################################## ###################### OPTIMIZATION PROBLEM ######################## ######################################################################## def problem_function(x): f = [0.0]*1 # Initialize array for objectives F(X) g = [0.0]*3 # Initialize array for constraints G(X) # Objective functions F(X) f[0] = (x[0] - 1)*(x[0] - 1) + \ (x[1] - 2)*(x[1] - 2) + \ (x[2] - 3)*(x[2] - 3) + \ (x[3] - 4)*(x[3] - 4) + \ 1.23456789 # Equality constraints G(X) = 0 MUST COME FIRST in g[0:me-1] g[0] = x[0] - 1.0 # Inequality constraints G(X) >= 0 MUST COME SECOND in g[me:m-1] g[1] = x[1] - 1.333333333 g[2] = x[2] - 2.666666666 # Simulate CPU-Time expensive function evaluation import time time.sleep(0.005) return f,g ######################################################################## ######################### MAIN PROGRAM ############################# ######################################################################## key = b'MIDACO_LIMITED_VERSION___[CREATIVE_COMMONS_BY-NC-ND_LICENSE]' problem = {} # Initialize dictionary containing problem specifications option = {} # Initialize dictionary containing MIDACO options problem['@'] = problem_function # Handle for problem function name ######################################################################## ### Step 1: Problem definition ##################################### ######################################################################## # STEP 1.A: Problem dimensions ############################## problem['o'] = 1 # Number of objectives problem['n'] = 4 # Number of variables (in total) problem['ni'] = 2 # Number of integer variables (0 <= ni <= n) problem['m'] = 3 # Number of constraints (in total) problem['me'] = 1 # Number of equality constraints (0 <= me <= m) # STEP 1.B: Lower and upper bounds 'xl' & 'xu' ############################################## problem['xl'] = [ 1, 1, 1, 1 ] problem['xu'] = [ 4, 4, 4, 4 ] # STEP 1.C: Starting point 'x' ############################## problem['x'] = problem['xl'] # Here for example: starting point = lower bounds ######################################################################## ### Step 2: Choose stopping criteria and printing options ########### ######################################################################## # STEP 2.A: Stopping criteria ############################# option['maxeval'] = 10000 # Maximum number of function evaluation (e.g. 1000000) option['maxtime'] = 60*60*24 # Maximum time limit in Seconds (e.g. 1 Day = 60*60*24) # STEP 2.B: Printing options ############################ option['printeval'] = 1000 # Print-Frequency for current best solution (e.g. 1000) option['save2file'] = 1 # Save SCREEN and SOLUTION to TXT-files [0=NO/1=YES] ######################################################################## ### Step 3: Choose MIDACO parameters (FOR ADVANCED USERS) ########### ######################################################################## option['param1'] = 0.0 # ACCURACY option['param2'] = 0.0 # SEED option['param3'] = 0.0 # FSTOP option['param4'] = 0.0 # ALGOSTOP option['param5'] = 0.0 # EVALSTOP option['param6'] = 0.0 # FOCUS option['param7'] = 0.0 # ANTS option['param8'] = 0.0 # KERNEL option['param9'] = 0.0 # ORACLE option['param10'] = 0.0 # PARETOMAX option['param11'] = 0.0 # EPSILON option['param12'] = 0.0 # BALANCE option['param13'] = 0.0 # CHARACTER ######################################################################## ### Step 4: Choose Parallelization Factor ############################ ######################################################################## option['parallel'] = 2 # Serial: 0 or 1, Parallel: 2,3,4,5,6,7,8... ######################################################################## ############################ Run MIDACO ################################ ######################################################################## from dask.distributed import Client dask_client = Client('123.12.123.123:8786') # server IP address import midaco if __name__ == '__main__': solution = midaco_dask.run( problem, option, key, dask_client ) # print(solution['f']) # print(solution['g']) # print(solution['x']) ######################################################################## ############################ END OF FILE ############################### ########################################################################