| moea_test_BNH |
| moea_test_C-DTLZ |
| moea_test_CON |
| moea_test_DTLZ |
| moea_test_Fonseca |
| moea_test_OSY |
| moea_test_SRN |
| moea_test_UF |
| moea_test_WFG |
| moea_test_ZDT |
| soea_test_Ackley |
| soea_test_Beale |
| soea_test_Goldstein |
| soea_test_Griewangk |
| soea_test_Pathological |
| soea_test_Rastrigrin |
| soea_test_Rosenbrock |
| soea_test_Schwefel |
| soea_test_Shubert |
| soea_test_Sphere |
| a280 |
| att48 |
| ch130 |
| eil51 |
| eil76 |
| kroD100 |
| rand400 |
| rat195 |
| st70 |
| ts225 |
自定义问题：
可通过继承问题类（Problem）来完成对问题的相关设置，例如：
自定义问题类用于描述待优化的问题，自定义了问题类后，便可以编写执行脚本调用进化算法模板来完成问题的求解。具体用法可详见“Geatpy快速入门”。
两点注意：
1.上面代码里的calReferObjV()是用于计算或读取目标函数参考值，常常用待优化问题的理论全局最优解作为该参考值，用于后续进行评价进化结果的好坏。如果并不知道理论全局最优解是什么，可以不设置calReferObjV()函数。
2.编写目标函数值时要时刻注意满足Geatpy数据结构（详见“Geatpy数据结构”文档），上面代码中执行了Vars = pop.Phen后，得到的Vars为种群所有个体的决策变量组成的矩阵，即每一行对应一个个体的所有决策变量。随后，通过计算得到种群的目标函数值矩阵，赋值给ObjV。然后生成违反约束程度矩阵赋值给CV。Geatpy数据结构中要求种群对象的ObjV和CV都是Numpy array类型的二维数组（这里称之为矩阵），如果自定义aimFunc时ObjV和CV的格式有误，则会导致后面程序抛出异常及相关提示。
上面代码其实是采用了矩阵化的方法“同时”求出所有个体的目标函数值；而在某些时候，无法矩阵化计算，只能单独求出每个个体的目标函数值。此时，需要写一个循环遍历决策变量矩阵Vars的每一行，取出各个个体的决策变量，然后以之求出各个个体的目标函数值。待循环求解完所有个体的目标函数值后，把这些目标函数值拼合成ObjV矩阵即可。详见：