アーキテクチャ

saealib のパイプラインは独立したコンポーネントで構成されており，自由に組み合わせて使用できます．

コンポーネントパイプライン

        flowchart TD
    PR[Problem] --> IN[Initializer]
    IN -- 初期集団を真の関数で評価 --> AR[(Archive)]
    AR --> AL[Algorithm]

    subgraph 世代ループ
        AL -- 候補解を生成 --> SM
        SM -- スコア付き候補解 --> OS[OptimizationStrategy]
        OS -- 有望な候補解を真の関数で評価 --> AR
    end

    subgraph SM[SurrogateManager]
        S[Surrogate] -- フィット --> AF[AcquisitionFunction]
    end

    AR --> T{Termination}
    T -- 継続 --> AL
    T -- 終了 --> R[Result]
    

各コンポーネントの役割

コンポーネント	役割
Problem	目的関数・変数次元・探索範囲・制約を定義する
Initializer	初期集団を生成する（デフォルト: LHS）
Algorithm	候補解（子個体）を生成する（GA / PSO）
SurrogateManager	Archive を使ってサロゲートをフィットし，候補解をスコアリングする
Surrogate	目的関数を近似する機械学習モデル（デフォルト: RBF）
AcquisitionFunction	サロゲートの予測値から各候補解の有望度を計算する
OptimizationStrategy	有望な候補解を選択し，真の関数で評価する
Archive	真の評価済み解を蓄積する
Termination	終了条件を判定する
CallbackManager	イベントフックで進捗の監視や挙動のカスタマイズを行う

低レベル API

Optimizer を使うと各コンポーネントを個別に差し替えられます．

from saealib import (
    GA, Optimizer, Problem,
    GlobalSurrogateManager, RBFsurrogate, ExpectedImprovement,
    IndividualBasedStrategy,
)
from saealib.termination import max_fe

problem = Problem(func, dim=5, lb=-5, ub=5, n_obj=1, weight=-1)

opt = (
    Optimizer(problem)
    .set_algorithm(GA())
    .set_surrogate_manager(
        GlobalSurrogateManager(RBFsurrogate(), ExpectedImprovement())
    )
    .set_strategy(IndividualBasedStrategy(n_eval=1))
    .set_termination(max_fe(100))
)

ctx = opt.run()

高レベル API (minimize / maximize) は，このパイプラインを sensible defaults で自動構成したものです．