mirror of
https://github.com/L-yang-yang/cugenopt.git
synced 2026-04-25 12:16:21 +02:00
81 lines
2.2 KiB
Markdown
81 lines
2.2 KiB
Markdown
# E13: 多目标优化验证实验
|
||
|
||
## 实验目标
|
||
|
||
验证 cuGenOpt 框架的两种多目标比较模式：
|
||
1. **Weighted（加权求和）** - 目标可权衡
|
||
2. **Lexicographic（字典法）** - 目标有严格优先级
|
||
|
||
## 实验内容
|
||
|
||
### 主实验（单 GPU）
|
||
|
||
1. **双目标 VRP (A-n32-k5)**
|
||
- 目标：最小化总距离 + 最小化车辆数
|
||
- Weighted 模式：3 组权重配置 `[0.9,0.1]`, `[0.7,0.3]`, `[0.5,0.5]`
|
||
- Lexicographic 模式：3 组配置（不同优先级和容差）
|
||
|
||
2. **三目标 VRP (A-n32-k5)**
|
||
- 目标：最小化总距离 + 最小化车辆数 + 最小化最大路径长度
|
||
- Weighted 模式：1 组权重配置 `[0.6,0.2,0.2]`
|
||
- Lexicographic 模式：2 组配置（不同优先级顺序）
|
||
|
||
3. **双目标 Knapsack (knapPI_1_100)**
|
||
- 目标：最大化价值 + 最小化重量
|
||
- Weighted 模式：1 组权重配置 `[0.8,0.2]`
|
||
- Lexicographic 模式：1 组配置（优先级 [价值, 重量]）
|
||
|
||
### 附加验证（多 GPU）
|
||
|
||
- 双目标 VRP (A-n32-k5)
|
||
- Weighted 模式：`[0.7,0.3]`
|
||
- Lexicographic 模式：优先级 [距离, 车辆数]
|
||
- 2×T4, 60 秒, 单次运行
|
||
|
||
## 编译和运行
|
||
|
||
### 在 gpu2v100 上编译
|
||
|
||
```bash
|
||
cd /path/to/generic_solver/benchmark/experiments/e13_multiobjective
|
||
make
|
||
```
|
||
|
||
### 运行实验
|
||
|
||
```bash
|
||
./e13_multiobjective > e13_results.txt 2>&1
|
||
```
|
||
|
||
## 文件说明
|
||
|
||
- `bi_objective_vrp.cuh` - 双目标 VRP Problem 定义
|
||
- `tri_objective_vrp.cuh` - 三目标 VRP Problem 定义
|
||
- `bi_objective_knapsack.cuh` - 双目标 Knapsack Problem 定义
|
||
- `gpu.cu` - 主实验程序
|
||
- `Makefile` - 编译配置
|
||
- `DESIGN.md` - 详细实验设计文档
|
||
|
||
## 预期输出
|
||
|
||
每个配置运行 5 次（seeds: 42, 123, 456, 789, 2024），输出格式：
|
||
|
||
```
|
||
[BiVRP] W_90_10 (mode=Weighted, multi_gpu=NO)
|
||
Run 1 (seed=42): obj0=850.23 obj1=6.00 penalty=0.00 time=60.0s gen=12345
|
||
Run 2 (seed=123): obj0=845.67 obj1=6.00 penalty=0.00 time=60.0s gen=12456
|
||
...
|
||
```
|
||
|
||
## 数据分析
|
||
|
||
实验完成后，运行数据分析脚本生成报告：
|
||
|
||
```bash
|
||
python3 analyze_results.py e13_results.txt
|
||
```
|
||
|
||
将生成 `E13_REPORT.md` 包含：
|
||
- Weighted 不同权重下的解质量对比表
|
||
- Lexicographic 不同容差下的解质量对比表
|
||
- 多 GPU 验证结果
|