Przejdź do treści
Biblioteka skilli
Dane i analityka · Analiza

pareto-optimization

/pareto-optimization

Prowadzi optymalizację wielokryterialną z frontami Pareto, gdy konfliktujące cele trzeba optymalizować jednocześnie i znaleźć rozwiązania kompromisowe.

Licencja
MIT
Ostatnia zmiana repozytorium
02.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 02.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Prowadzi optymalizację wielokryterialną z frontami Pareto, gdy konfliktujące cele trzeba optymalizować jednocześnie i znaleźć rozwiązania kompromisowe.

Oryginalny opis (EN)

Multi-objective optimization with Pareto frontiers. Use when optimizing multiple conflicting objectives simultaneously, finding trade-off solutions, or computing Pareto-optimal points.

Jak działa

  1. When to Use
  2. Core Algorithm
  3. Usage Pattern for Grid Search Results
  4. Notes
Sekcje z nagłówków SKILL.md, w oryginale · 68 linii, 288 słów
Podgląd SKILL.md
---
name: pareto-optimization
description: Multi-objective optimization with Pareto frontiers. Use when optimizing multiple conflicting objectives simultaneously, finding trade-off solutions, or computing Pareto-optimal points.
---

# Pareto Frontier Computation

## When to Use

Use this skill whenever you need to find the set of non-dominated solutions from multi-objective optimization results — e.g., balancing accuracy vs. cost, F1 vs. distance, precision vs. recall.

## Core Algorithm

A solution is Pareto-optimal if no other solution is better on all objectives simultaneously.

```python
import numpy as np

def pareto_frontier(objectives, maximize=None):
    """
    Find Pareto-optimal points.

    Args:
        objectives: array of shape (n, k) where k is the number of objectives
        maximize: list of bools, True = maximize that objective, False = minimize
                  Default: all maximize

    Returns:
        Boolean mask of Pareto-optimal points
    """
    n = len(objectives)
    if maximize is None:
        maximize = [True] * objectives.shape[1]

    # Flip sign for objectives to maximize (so we can treat all as minimize)
    obj = objectives.copy().astype(float)
    for i, m in enumerate(maximize):
        if m:
            obj[:, i] = -obj[:, i]

    is_pareto = np.ones(n, dtype=bool)
    for i in range(n):
        if not is_pareto[i]:
            continue
        # A point dominates i if it's <= on all objectives and < on at least one
        for j in range(n):
            if i == j or not is_pareto[j]:
                continue
            if np.all(obj[j] <= obj[i]) and np.any(obj[j] < obj[i]):
                is_pareto[i] = False
                break
    return is_pareto
```

## Usage Pattern for Grid Search Results

```python
import pandas as pd

# results_df has columns: F1, delta, param1, param2, ...
# Maximize F1, minimize delta
objectives = results_df[['F1', 'delta']].values
mask = pareto_frontier(objectives, maximize=[True, False])
pareto_df = results_df[mask]
```

## Notes

- Filter out invalid/unwanted results before computing the frontier
- The frontier is sensitive to objective scales — normalization isn't needed for finding Pareto points but matters for visualization
- For two objectives, sorting by one and scanning for improvements in the other gives O(n log n) performance

Wersje

RepozytoriumWynikLicencja
Ta strona · cxcscmu/SkillLearnBench100MIT
benchflow-ai/skillsbench100Apache-2.0
cxcscmu/SkillLearnBench100MIT

Migawka bazy z 13.11.2026 · wersja paczki 685d3b1249b3 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100multi-objective-optimization
    Optymalizuje wiele sprzecznych celów i znajduje rozwiązania Pareto-optymalne: kompromisy między kosztem, obsługą, jakością i zrównoważeniem, z NSGA-II, skalaryzacją i programowaniem celów.
  • 95pareto-frontier-optimization
    Oblicza front Pareto w optymalizacji wielokryterialnej, gdy trzeba znaleźć optymalne kompromisy między sprzecznymi metrykami, na przykład maksymalizację F1 i minimalizację odległości.
  • 100mars-pareto-frontier
    Wyznacza rozwiązania Pareto-optymalne z wyników klastrowania chmur na Marsie, odrzucając zdominowane rozwiązania i wskazując kompromisy między F1 a delta.
  • 100pareto-frontier
    Wizualizuje optymalizację wielokryterialną dla zawodów MCM i ICM: rysuje fronty Pareto z zestawami rozwiązań niezdominowanych w problemach kompromisów, na przykład koszt a efekt czy ekonomia a środowisko.
  • 95multi-objective-optimization
    Pomaga optymalizować dwa lub więcej sprzecznych celów i rozumować o kompromisach Pareto: dominacja, dokładne fronty w Gurobi, NSGA-II, przepływy pymoo i wskaźniki hypervolume i IGD.
  • 100bayes-opt
    Prowadzi optymalizację bayesowską kosztownych w ocenie właściwości, takich jak skład materiałów, sekwencje polimerów czy struktury molekularne, także wielokryterialną z frontem Pareto.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.