pagmo

重要通知：pygmo，即 pagmo 的 Python 绑定，已被拆分到一个独立的项目中，托管于 这里。请更新您的书签！

pagmo 是一个用于大规模并行优化的 C++ 科学库。它围绕着为优化算法和优化问题提供统一接口的理念构建，旨在简化这些工具在大规模并行环境中的部署。

如果您在研究、教学或其他活动中使用 pagmo，我们非常感谢您为本仓库点赞和/或引用我们的工作。为了便于引用，您可以使用以下 BibTeX 条目，该条目指向《开源软件期刊》中的 pagmo 论文：

@article{Biscani2020,
  doi = {10.21105/joss.02338},
  url = {https://doi.org/10.21105/joss.02338},
  year = {2020},
  publisher = {The Open Journal},
  volume = {5},
  number = {53},
  pages = {2338},
  author = {Francesco Biscani 和 Dario Izzo},
  title = {一种用于优化的并行全局多目标框架：pagmo},
  journal = {Journal of Open Source Software}
}

最新版本软件的 DOI 可通过 此链接 获取。

完整的文档可以在这里找到：https://esa.github.io/pagmo2/。

从 pagmo 1.x.x 升级

如果您之前使用的是旧版 pagmo，请参阅此处的技术说明，了解为何以及如何开发了一个全新的 API 和代码：https://github.com/esa/pagmo2/wiki/From-1.x-to-2.x

您可以在文档中找到许多教程，建议先浏览一遍，以了解其中的差异。新版 pagmo（版本 2）应被视为完全不同的代码，并且实际上也是如此。

pagmo2 快速上手指南

pagmo2 是一个用于大规模并行优化的 C++ 科学库。它提供了统一的接口来定义优化算法和优化问题，旨在简化在大规模并行环境中的部署。

注意：如果您需要 Python 版本，请使用独立项目 pygmo2。本指南仅针对 C++ 核心库 pagmo2。

环境准备

系统要求

• 操作系统：Linux, macOS, Windows (需配合 MSVC 或 MinGW)
• 编译器：支持 C++11 标准的现代编译器（如 GCC >= 4.8, Clang, MSVC >= 2015）
• 构建工具：CMake (版本 3.4 或更高)

前置依赖

pagmo2 的核心功能依赖较少，但为了使用部分高级算法或并行特性，建议安装以下库：

• Boost (必需)：特别是 boost_serialization, boost_system, boost_thread, boost_chrono 等组件。
• TBB (可选但推荐)：用于多线程并行支持。
• IPOPT, NLopt, SNOPT 等 (可选)：用于集成特定的第三方优化算法。

安装步骤

推荐使用包管理器进行安装，也可通过源码编译。

方法一：使用 Conda 安装（推荐）

Conda 能自动处理复杂的依赖关系，适合快速开始。

conda install -c conda-forge pagmo

方法二：源码编译安装

如果需要自定义配置或使用最新开发版，请从 GitHub 克隆源码并编译。

1. 克隆仓库：

git clone https://github.com/esa/pagmo2.git
cd pagmo2
mkdir build && cd build

2. 配置构建（使用 CMake）：

cmake .. -DCMAKE_BUILD_TYPE=Release

提示：若需指定 Boost 路径或启用特定算法，可在此步添加 -D 参数，例如 -DPAGMO_WITH_IPOPT=yes。

3. 编译并安装：

cmake --build . --target install

注：在 Linux/macOS 上可能需要 sudo 权限，或在配置时指定 -DCMAKE_INSTALL_PREFIX 到用户目录。

基本使用

以下是一个最简单的 C++ 示例，演示如何定义一个优化问题（最小化 $f(x) = x^2$）并使用默认算法求解。

#include <pagmo/pagmo.hpp>

// 1. 定义优化问题
struct quadratic_problem {
    // 返回决策变量的维度
    pagmo::vector_double get_bounds() const {
        return {-10., 10.};
    }

    // 计算目标函数值
    pagmo::vector_double fitness(const pagmo::vector_double &x) const {
        return {x[0] * x[0]};
    }
};

int main() {
    using namespace pagmo;

    // 2. 实例化问题
    problem prob{quadratic_problem{}};

    // 3. 选择算法 (这里使用默认的 cmaes 或 de)
    algorithm algo{de{}}; 

    // 4. 创建种群并初始化
    population pop{prob, 20}; 

    // 5. 执行优化 (演化 100 代)
    pop = algo.evolve(pop);

    // 6. 输出最佳结果
    std::cout << "Best fitness: " << pop.champion_f()[0] << std::endl;
    std::cout << "Best vector: " << pop.champion_x()[0] << std::endl;

    return 0;
}

编译示例代码

假设上述代码保存为 main.cpp，且 pagmo2 已安装在系统路径中：

g++ -std=c++11 main.cpp -lpagmo -lboost_system -lboost_serialization -o my_optimizer
./my_optimizer