夜雨聆风关注并星标
从此不迷路
联系方式｜公众号回复 KAU
本文核心内容
俗话说，工欲善其事，必先利其器
很多刚入门进化算法的朋友，是不是总被这几个问题死死卡住？
——好不容易找到一篇顶会论文，源代码却怎么也扒不到
——想复现实验，连一套像样的标准测试函数集都凑不齐
——真要动手写测试对比代码，更是一头雾水，完全不知道从哪开始
其实，你的这些烦恼，早就有高手替你铺好路了
全球不少优秀团队，已经开发出一批开源的进化计算测试平台。它们不仅内置了大量文献的开源算法代码，有的甚至支持GUI一键对比，让我们这种“没资源”的个体，也能轻松、零成本地跟最新算法同台竞技
下面，KAU 就为你逐一盘点那些我了解到的开源平台，带你绕开弯路，直奔前沿
如果有遗漏或错误，热烈欢迎你在评论区补充指正！
目录
一、PlatEMO多目标优化平台
二、 Platypus多目标优化平台
三、 pymoo多目标优化平台
四、 MToP多任务优化平台
五、DMOEAs动态多目标优化平台
一、PlatEMO多目标优化平台
进化计算领域的真神！
语言：Matlab
该平台可通过Github下载：https://github.com/BIMK/PlatEMO
下载后在命令行输入 platemo 即可直接运行，无需额外配置
PlatEMO基于Matlab开发，是由安徽大学生物智能与知识发现（BIMK）研究所开发的进化多目标优化平台[1]，是一个开源免费的代码库，共包含300+流行的算法
包括单目标优化、约束优化、昂贵优化、多模态优化、稀疏优化、动态优化、多任务优化、鲁棒优化等方面的代码，目前已迭代至4.15（2026年5月21日）。
[1] B.C. Wang, J.J. Guo, P.Q. Huang, X.B. Meng, A two-stage adaptive penalty method based on co-evolution for constrained evolutionary optimization, Complex Intell. Syst. 9 (2023) 4615–4627, https://doi.org/10.1007/s40747-022-00965-6.
除了海量的开源算法，PlatEMO最方便的就是它的GUI模块，几乎能够秒上手。算法实验指标对比也十分简单。以多目标算法为例，算法对比所需的Wilcoxon秩和检验值、Friedman值，以及HV、IGD、IGD+等指标都能一键调用出来，同时高亮显示，十分方便。
具体操作这次先不展开，后续KAU会单独出一期，手把手教你添加自己算法和应用问题，感兴趣的朋友，记得点个关注，别错过啦。
二、Platypust多目标优化平台
语言：Python
官方在线文档：https://platypus.readthedocs.io/en/latest/index.html
安装：pip install platypus-opt
Platypus是一个基于Python的多目标优化库[2]，其内置了一些经典的算法：NSGA-II、NSGA-III、MOEA/D、IBEA、EPSILON-MOEA、SPEA2等，能够处理无约束、约束优化问题。
[2] Hadka, D. (2024). Platypus: A Framework for Evolutionary Computing in Python (Version 1.4.1) [Computer software]. Retrieved from https://github.com/Project-Platypus/Platypus.
三、pymoo多目标优化平台
语言：Python
官方在线文档：https://pymoo.org/index.html
安装：pip install -U pymoo
该平台基于Python开发，是由Julian Blank与Kalyanmoy Deb团队共同开发的多目标优化框架[3]，目前集成了10+种主流算法，包括：单目标优化、多目标优化、约束优化等方向的代码实现，并提供完整的测试问题集、结果可视化和性能评估模块
[3] J. Blank and K. Deb, pymoo: Multi-Objective Optimization in Python, in IEEE Access, vol. 8, pp. 89497-89509, 2020, doi: 10.1109/ACCESS.2020.2990567
该平台也定义了DTLZ、WFG、ZDT、MW等多目标优化问题以及一些单目标基准函数。通过调用相关函数能获取帕累托前沿曲线、IGD、HV等信息。
四、MToP多任务优化平台
语言：Matlab
该平台可通过Github下载：https://github.com/intLyc/MTO-Platform
下载后命令行输入 MToP 即可直接运行，无需额外配置
MToP是一个专攻多任务优化的开源平台[4]。与PlatEMO、pymoo 这些“大而全”的平台不同，MToP 聚焦于多任务进化算法这一细分方向，内置了100+种单/多任务优化算法以及200+种多任务优化案例，是目前该领域算法最集中的代码库之一
[4] Y. Li, W. Gong, F. Ming, T. Zhang, S. Li, and Q. Gu, MToP: A MATLAB Optimization Platform for Evolutionary Multitasking, 2023, arXiv:2312.08134
该平台与PlatEMO类似，也可以通过GUI操作，十分方便，算法对比所需的Wilcoxon秩和检验值、Friedman值，也能高亮显示并一键导出
五、DMOEAs动态多目标优化平台
语言：Matlab
该平台可通过Github下载：https://github.com/gjianzx/DMOEAs
修改main.m程序后即可直接运行，无需额外配置
MToP是一个专注于动态多目标优化的开源平台。内置了6种最新的动态多目标优化算法以及DMOP、DFA、DF等标准动态测试问题
以上开源平台KAU都已打包整理，公众号后台回复
KY
即可获取
如果这篇文章对你有帮助或启发，可以点击右下角的赞/在看(ง •̀_•́)ง(不点也行)，你们的鼓励就是我坚持的动力！若有定制需求，可私信作者。
感谢阅读，祝顺利！