pymoo 다목적 최적화

무엇을 해주나

pymoo(파이썬 다목적 최적화 프레임워크)를 Claude가 능숙하게 다루도록 만드는 스킬입니다. 단일 목적(GA, DE, PSO, CMA-ES)부터 다목적(NSGA-II, SPEA2, MOEA/D), 다수 목적(NSGA-III, RVEA, AGE-MOEA)까지 알고리즘 선택 기준을 표로 제공하고, minimize() 통합 인터페이스, 문제 정의 방식(Problem / ElementwiseProblem / FunctionalProblem), 제약 처리, 유전 연산자 커스터마이징, 파레토 프론트 시각화, 병렬 평가까지 다룹니다. ZDT·DTLZ·WFG 같은 표준 벤치마크 문제 접근법과 수렴 실패·해 분포 불량 같은 흔한 문제의 해결 체크리스트도 포함되어 있습니다.

이런 분께 추천

• 서로 상충하는 목표(비용 vs 성능, 무게 vs 강도)를 동시에 최적화해야 하는 엔지니어
• 진화 알고리즘 연구·벤치마킹을 수행하는 대학원생 및 연구자
• 정수·이진·범주형이 섞인 혼합 변수 최적화 문제를 풀어야 하는 데이터 과학자
• 파레토 해 집합에서 최종안을 골라야 하는(MCDM) 의사결정 분석가

활용 예시

1. "차량 부품 무게와 제조비용을 동시에 최소화하는 NSGA-II 코드를 짜줘" → 커스텀 ElementwiseProblem 정의부터 파레토 프론트 산점도까지 생성.
2. "목적 함수가 6개인데 어떤 알고리즘을 써야 해?" → NSGA-III + 참조 방향(reference directions) 설정 방법을 안내.
3. "제약을 만족하는 해가 거의 안 나와" → g(x) ≤ 0 형식 점검, 리페어 연산자, SRES/ISRES 대안을 순서대로 제시.

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/pymoo 폴더를 내 ~/.claude/skills/pymoo/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.