pymoo

Решает задачи однокритериальной, многокритериальной и многоцелевой оптимизации с помощью pymoo, включая NSGA-II, NSGA-III, MOEA/D. Подходит для инженерных и научных задач с ограничениями, аппроксимацией Парето и бенчмарками ZDT/DTLZ.

KDK-Dense official Разработка ★ 47.7k

Что делает навык

Pymoo — это фреймворк для оптимизации в Python, ориентированный на многокритериальные задачи, позволяющий находить компромиссные решения (фронты Парето) при наличии конфликтующих целей. Он поддерживает однокритериальную и многоцелевую оптимизацию с использованием современных алгоритмов, таких как NSGA-II, NSGA-III, MOEA/D и SPEA2.

Когда применять

  • Решение инженерных задач с несколькими целевыми функциями и ограничениями
  • Исследование компромиссов между конфликтующими целями с помощью аппроксимации фронта Парето
  • Тестирование алгоритмов оптимизации на стандартных бенчмарках ZDT и DTLZ
  • Применение методов многокритериального принятия решений (MCDM)

Как работает

  1. Установить пакет через uv pip install "pymoo==0.6.2" для фиксации версии
  2. Определить целевые функции и ограничения в соответствии с документацией pymoo
  3. Выбрать подходящий алгоритм оптимизации (например, NSGA-II, NSGA-III, MOEA/D или SPEA2)
  4. Настроить генетические операторы и параметры алгоритма при необходимости
  5. Запустить процесс оптимизации для получения множества Парето-оптимальных решений
  6. Проанализировать результаты с использованием методов многокритериального принятия решений

Примеры запросов агенту

Найди оптимальное распределение ресурсов с помощью NSGA-II, минимизируя затраты и максимизируя производительность
Решите многоцелевую задачу оптимизации конструкции с ограничениями, используя алгоритм MOEA/D
Проведи бенчмарк-тестирование алгоритма SPEA2 на задачах ZDT1 и DTLZ2

Что понадобится

  • Python-окружение с установленным pymoo версии 0.6.2
  • Зависимости: NumPy, SciPy, moocore, autograd, cma, matplotlib, alive_progress, Deprecated
  • Доступ к документации: https://pymoo.org/ и LLM-friendly index: https://pymoo.org/llms.txt

Описание составлено по SKILL.md навыка, сверено 10.10.2026.

Как подключить

1Скачать навык
# возьмите папку навыка «pymoo» из репозитория: # https://github.com/k-dense-ai/scientific-agent-skills
2Положить папку с SKILL.md к навыкам ассистента
# положите папку навыка туда, где ассистент ищет skills: cp -r pymoo/ ~/.claude/skills/pymoo/

Навык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.