Eclipse Modeling Tools环境配置与 jMetal使用教程

该篇文章仅涉及 GitHub 中相关的 jMetal 官方代码（MIT License）以及其扩展使用，GitHub网址：jMetal

版本信息

jMetal 版本：5.11-SNAPSHOT
Eclipse 版本：Eclipse Modeling Tools 2020-12 (4.18.0)

需注意，Eclipse必须使用 Modeling Tools 版本，而非普通的Java版本，Eclipse不同版本软件下载官方网址：Eclipse Packages

Eclipse环境配置

该部分可解决Java与Modeling Tools两类Eclipse版本共存的特殊情况，同时也是Eclipse Modeling Tools Java环境配置的简单教程

1、从Eclipse官网下载Modeling Tools版本，下载网址：Eclipse Packages，该网站中有Eclipse多种版本可供下载，找到jMetal所需的版本，如下图所示，选择合适的操作系统版本

2、下载好的zip压缩文件可解压到合适的位置，解压后的文件如下图所示，其中 plugins 文件中包含Eclipse支持的全部依赖，若有其他依赖需要，可手动添加

3、解压后的Eclipse直接双击 eclipse.exe 运行，若无jdk相关的错误提示，可跳过步骤4和步骤5，直接查看步骤6，若提示jdk不存在或是版本不适配的问题，此时需要从jdk官网下载合适的版本，具体的版本号在 eclipse.exe 弹出的窗口中提及，可根据此版本号下载对应的jdk，jdk官方下载网址：Java SE Downloads

4、将下载的jdk保存到合适的位置，记录该文件位置，用于之后的环境变量设置，若下载的jdk文件中不包含jre文件，可参考该网址解决：如何解决安装JDK12版本后没有JRE的问题

5、鼠标右键单击 我的电脑 或是 此电脑 图标，选中属性

在弹出窗口的左侧导航栏中选择 高级系统设置

而后选择 环境变量

在 系统变量 中添加以下内容：

变量名：CLASSPATH
变量值：.;%JAVA_HOME%\lib;%JAVA_HOME%\lib\tools.jar

变量名：JAVA_HOME
变量值：D:\Eclipse\eclipse-modeling_tools\jdk-15.0.1

变量名：Path
变量值：%JAVA_HOME%\bin

变量名：Path
变量值：%JAVA_HOME%\jre\bin

其中 JAVA_HOME 的变量值为具体的jdk文件位置

若原有Java版本的Eclipse存在，jdk的环境配置已设置完好，可直接更新相关变量值，不需要重新添加新的变量，配置完成后对原有的Eclipse Java的使用不会造成影响

变量添加完成后，在打开的两类窗口中均选中确定按钮，保存环境变量配置

6、jdk配置完成后，再次打开 eclipse.exe ，可能弹出以下错误

用 记事本 打开Eclipse文件夹中的 eclipse.ini 文件，在图中所示的位置添加同样的内容

-vm
jdk-15.0.1/bin/javaw.exe

其中 jdk-15.0.1/bin/javaw.exe 需要根据jdk具体的文件位置进行修改

文件保存后，双击 eclipse.exe ，便可正常使用 Eclipse Modeling Tools

使用教程

1、新建Java项目

与Java版本的Eclipse新建项目方法相同，在菜单栏中选中 File >> New >> Other…

在弹出的向导窗口中找到 Java ，并选中其中的 Java Project ，而后选择 Next >

在新建项目的窗口找到 Project name ，输入自定义的项目名称；Location 部分为该项目存储文件位置，可自行修改；查看 JRE 版本确保其环境存在，一般而言默认的JRE均存在，因此该步骤可跳过；其余选项可默认不变，而后直接点击窗口右下角的 Finish 创建项目

Finish 创建项目可能会弹出以下图片中的内容，可直接选择右下角的 Don’t Create

而后可能会弹出询问Eclipse操作透视图（Java Perspective）是否打开的窗口，可选择 No

至此，新项目创建完毕，可在Eclipse左侧导航栏中查看到项目的存储结构

2、导入jMetal

导入jMetal的方法有两种：

（1）将GitHub中jMetal的源码下载，在新建的项目中以package包的形式导入所需的jMetal代码
（2）将封装好的jMetal jar包导入新建项目，import相关package使用jMetal

两种方法各有优缺：

（1）以源码形式导入jMetal，适用于需要对jMetal的基本功能进行按需修改的操作，但jMetal不同部分的package可能相互依赖，因此导入的源码复杂而多样
（2）导入jar包，可以避免第一种方法产生的缺点，但在需要修改jMetal代码的情况下，需要重写相关函数调用

博主更为推荐第二种方法，主要因为在大多数情况下jMetal源码提供的功能已经足够齐全，重写部分代码的工作量相比第一种方法会小很多，以下教程的介绍也是基于第二种方法实现的

jMetal相关jar包可以在 Maven 中下载，或是直接使用maven仓库获取

jmetal5.jar 包并未在maven仓库中直接提供，可从以下链接中获取（包含本教程所使用的全部jar包）
链接：https://pan.baidu.com/s/19aAVIutKENiDRmC43sVABw
提取码：9khw

鼠标右键单击项目名称，选择 Build Path >> Configure Build Path…

在弹出的窗口中选择 Java Build Path >> Libraries ，单击 Libraries 中的 Classpath ，点击右侧导航中的 Add External JARs… ，在弹出的文件窗口中选中需要添加的jMetal jar包，而后点击 Apply and Close

其中每一个jMetal jar包拥有的函数功能可在GitHub的源码中查看，或是使用Eclipse的插件直接查看，推荐插件 JD-Eclipse，下载官网：Java Decompiler

3、执行jMetal算法

jmetal-example中包含原作者所编写的一些算法实例，图中展示的是5.10版本的example

以其中的 NSGAIIIntegerRunner 为例，若添加了JD-Eclipse插件，可直接双击打开

import部分，导入相关package，可用于之后程序类与函数的溯源查找

import java.io.FileNotFoundException;
import java.util.List;
import org.uma.jmetal.algorithm.multiobjective.nsgaii.NSGAII;
import org.uma.jmetal.algorithm.multiobjective.nsgaii.NSGAIIBuilder;
import org.uma.jmetal.example.AlgorithmRunner;
import org.uma.jmetal.operator.crossover.impl.IntegerSBXCrossover;
import org.uma.jmetal.operator.mutation.impl.IntegerPolynomialMutation;
import org.uma.jmetal.operator.selection.impl.BinaryTournamentSelection;
import org.uma.jmetal.problem.Problem;
import org.uma.jmetal.solution.integersolution.IntegerSolution;
import org.uma.jmetal.util.AbstractAlgorithmRunner;
import org.uma.jmetal.util.JMetalLogger;
import org.uma.jmetal.util.ProblemUtils;

NSGAIIIntegerRunner类中，以下代码为NSGAII算法相关的参数配置，具体参数含义可由其变量名确定

Problem<IntegerSolution> problem = ProblemUtils.loadProblem(problemName);double crossoverProbability = 0.9D;
double crossoverDistributionIndex = 20.0D;
IntegerSBXCrossover integerSBXCrossover = new IntegerSBXCrossover(crossoverProbability, crossoverDistributionIndex);double mutationProbability = 1.0D / problem.getNumberOfVariables();
double mutationDistributionIndex = 20.0D;
IntegerPolynomialMutation integerPolynomialMutation = new IntegerPolynomialMutation(mutationProbability, mutationDistributionIndex);BinaryTournamentSelection binaryTournamentSelection = new BinaryTournamentSelection();int populationSize = 100;

创建NSGAII算法类，该算法类可通过import的包名找到相关代码

NSGAII nSGAII = (new NSGAIIBuilder(problem, integerSBXCrossover, integerPolynomialMutation, populationSize)).setSelectionOperator(binaryTournamentSelection).setMaxEvaluations(25000).build();

算法执行

AlgorithmRunner algorithmRunner = (new AlgorithmRunner.Executor(nSGAII)).execute();

获得执行结果

List<IntegerSolution> population = (List)nSGAII.getResult();

输出结果

printFinalSolutionSet(population);
printQualityIndicators(population, referenceParetoFront);

以上均为jMetal提供的默认操作实现，创建一个可执行的class，将原本内容复制到该class，可实现运行，如果某一部分需要自定义，可追溯到其原本的类与函数，根据源码重写新的类或函数

4、计算 Quality Indicator

jmetal-exec中提供有原作者编写的一些Quality Indicator计算实例，以 NSGAIIStudy 为例

该部分定义相关的problem列表，包含了ZDT1、ZDT2、ZDT3、ZDT4、ZDT6

List<ExperimentProblem<DoubleSolution>> problemList = new ArrayList<ExperimentProblem<DoubleSolution>>();
problemList.add(new ExperimentProblem(new ZDT1()));
problemList.add(new ExperimentProblem(new ZDT2()));
problemList.add(new ExperimentProblem(new ZDT3()));
problemList.add(new ExperimentProblem(new ZDT4()));
problemList.add(new ExperimentProblem(new ZDT6()));

定义problem对应的算法列表，其中 configureAlgorithmList 函数同样定义在NSGAIIStudy类中，用于创建jMetal算法对象，形成算法列表，创建方法与第三步骤类似

List<ExperimentAlgorithm<DoubleSolution, List<DoubleSolution>>> algorithmList = configureAlgorithmList(problemList);

声明理想Pareto Front文件名列表

List<String> referenceFrontFileNames = Arrays.asList(new String[] { "ZDT1.pf", "ZDT2.pf", "ZDT3.pf", "ZDT4.pf", "ZDT6.pf" });

设置剩余参数变量，其中结果文件存放位置为 experimentBaseDirectory/NSGAIIStudy

Experiment<DoubleSolution, List<DoubleSolution>> experiment = (new ExperimentBuilder("NSGAIIStudy"))  //结果文件存放位置.setAlgorithmList(algorithmList)  //算法列表.setProblemList(problemList)  //问题列表.setExperimentBaseDirectory(experimentBaseDirectory)  //结果文件存放位置.setOutputParetoFrontFileName("FUN")  //fitness文件名，默认不可更改.setOutputParetoSetFileName("VAR")  //solution文件名，默认不可更改.setReferenceFrontDirectory("/pareto_fronts")  //理想Pareto Front文件位置.setReferenceFrontFileNames(referenceFrontFileNames)  //理想Pareto Front文件名列表.setIndicatorList(Arrays.asList(new GenericIndicator[] {  //Quality Indicatorsnew Epsilon(), new Spread(), new GenerationalDistance(), new PISAHypervolume(), new InvertedGenerationalDistance(), new InvertedGenerationalDistancePlus()})).setIndependentRuns(25)  //运行次数.setNumberOfCores(8)  //运行线程数量.build();  //创建

其中，Quality Indicator源码位于jmetal-core中，详情如下图

计算执行，该部分源码同样位于jmetal-core中，如图所示

(new ExecuteAlgorithms(experiment)).run();
(new ComputeQualityIndicators(experiment)).run();
(new GenerateLatexTablesWithStatistics(experiment)).run();
(new GenerateWilcoxonTestTablesWithR(experiment)).run();
(new GenerateFriedmanTestTables(experiment)).run();
(new GenerateBoxplotsWithR(experiment)).setRows(3).setColumns(3).run();

与使用jMetal算法类似，以上内容为jMetal默认定义，同样可复制到可执行class中运行，同样，如需自定义类与函数，可参考jMetal提供的相关源码，按其相同格式进行编写，益于模仿与使用