多目标优化算法:基于非支配排序的鱼鹰优化算法(NSOOA)MATLAB

这篇具有很好参考价值的文章主要介绍了多目标优化算法:基于非支配排序的鱼鹰优化算法(NSOOA)MATLAB。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、鱼鹰优化算法

鱼鹰优化算法(Osprey optimization algorithm,OOA)由Mohammad Dehghani 和 Pavel Trojovský于2023年提出,其模拟鱼鹰的捕食行为。具有寻优能力强、收敛速度快等特点。

鱼鹰优化算法的流程如下:
1. 初始化:设定算法参数,包括鱼鹰数量、迭代次数、搜索空间等。
2. 阶段一:定位和捕鱼(探索阶段)。
   - 每只鱼鹰根据当前位置和速度进行位置更新。
   - 计算每只鱼鹰的适应度值,即目标函数值。
   - 根据适应度值对鱼鹰进行排序,选择适应度较好的鱼鹰作为水下鱼类。
   - 每只鱼鹰根据水下鱼类的位置调整自己的速度和位置。
3. 阶段二:把鱼带到合适的位置(开发阶段)。
   - 每只鱼鹰根据当前位置和速度进行位置更新。
   - 计算每只鱼鹰的适应度值。
   - 根据适应度值对鱼鹰进行排序,选择适应度较好的鱼鹰作为水下鱼类。
   - 每只鱼鹰根据水下鱼类的位置调整自己的速度和位置。
4. 重复进行阶段一和阶段二,直到达到设定的迭代次数。
5. 输出最佳鱼鹰的位置作为优化结果。

Python:鱼鹰优化算法(Osprey optimization algorithm,OOA)求解23组基本测试函数-CSDN博客

二、基于非支配排序的鱼鹰优化算法

非支配排序的鱼鹰优化算法(Non-Dominated Sorting Osprey optimization algorithm,NSOOA)由OOA融合非支配排序策略而成,为了验证所提的NSOOA的有效性,将其在46个多目标测试函数(ZDT1、ZDT2、ZDT3、ZDT4、ZDT6、DTLZ1-DTLZ7、WFG1-WFG10、UF1-UF10、CF1-CF10、Kursawe、Poloni、Viennet2、Viennet3)以及1个工程应用(盘式制动器设计)上实验,并采IGD,GD,HV,SP四种评价指标进行评价。

(1)部分代码

close all;
clear ; 
clc;
%%
% TestProblem测试问题说明:
%一共46个多目标测试函数,详情如下:
%1-5:ZDT1、ZDT2、ZDT3、ZDT4、ZDT6
%6-12:DZDT1-DZDT7
%13-22:wfg1-wfg10
%23-32:uf1-uf10
%33-42:cf1-cf10
%43-46:Kursawe、Poloni、Viennet2、Viennet3
%47 盘式制动器设计 温泽宇,谢珺,谢刚,续欣莹.基于新型拥挤度距离的多目标麻雀搜索算法[J].计算机工程与应用,2021,57(22):102-109.
%%
TestProblem=1;%1-47
MultiObj = GetFunInfo(TestProblem);
MultiObjFnc=MultiObj.name;%问题名
% Parameters
params.Np = 100;        % Population size
params.Nr = 200;        % Repository size
params.maxgen=200;    % Maximum number of generations
numOfObj=MultiObj.numOfObj;%目标函数个数
D=MultiObj.nVar;%维度
f = NSOOA(params,MultiObj);
X=f(:,1:D);%PS
Obtained_Pareto=f(:,D+1:D+numOfObj);%PF
if(isfield(MultiObj,'truePF'))%判断是否有参考的PF
True_Pareto=MultiObj.truePF;
%%  Metric Value
% ResultData的值分别是IGD、GD、HV、Spacing  (HV越大越好,其他指标越小越好)
ResultData=[IGD(Obtained_Pareto,True_Pareto),GD(Obtained_Pareto,True_Pareto),HV(Obtained_Pareto,True_Pareto),Spacing(Obtained_Pareto)];
else
    %计算每个算法的Spacing,Spacing越小说明解集分布越均匀
    ResultData=Spacing(Obtained_Pareto);%计算的Spacing
end
%%
disp('Repository fitness values are stored in Obtained_Pareto');
disp('Repository particles positions are store in X');

(2)部分结果

多目标优化算法:基于非支配排序的鱼鹰优化算法(NSOOA)MATLAB,MATLAB,优化算法,算法,matlab,数据结构

多目标优化算法:基于非支配排序的鱼鹰优化算法(NSOOA)MATLAB,MATLAB,优化算法,算法,matlab,数据结构

多目标优化算法:基于非支配排序的鱼鹰优化算法(NSOOA)MATLAB,MATLAB,优化算法,算法,matlab,数据结构

多目标优化算法:基于非支配排序的鱼鹰优化算法(NSOOA)MATLAB,MATLAB,优化算法,算法,matlab,数据结构

多目标优化算法:基于非支配排序的鱼鹰优化算法(NSOOA)MATLAB,MATLAB,优化算法,算法,matlab,数据结构

多目标优化算法:基于非支配排序的鱼鹰优化算法(NSOOA)MATLAB,MATLAB,优化算法,算法,matlab,数据结构

多目标优化算法:基于非支配排序的鱼鹰优化算法(NSOOA)MATLAB,MATLAB,优化算法,算法,matlab,数据结构

多目标优化算法:基于非支配排序的鱼鹰优化算法(NSOOA)MATLAB,MATLAB,优化算法,算法,matlab,数据结构

三、完整MATLAB代码

文件夹内包含NSOOA求解46个多目标测试函数(ZDT1、ZDT2、ZDT3、ZDT4、ZDT6、DTLZ1-DTLZ7、WFG1-WFG10、UF1-UF10、CF1-CF10、Kursawe、Poloni、Viennet2、Viennet3)以及1个工程应用(盘式制动器设计)的完整MATLAB,通过IGD,GD,HV,SP四种评价指标。

多目标优化算法:基于非支配排序的鱼鹰优化算法(NSOOA)MATLAB,MATLAB,优化算法,算法,matlab,数据结构文章来源地址https://www.toymoban.com/news/detail-806081.html

到了这里,关于多目标优化算法:基于非支配排序的鱼鹰优化算法(NSOOA)MATLAB的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Python 第三代非支配排序遗传算法(NSGA-III)求解多目标高次函数的帕累托前沿

    文章目录         我前面有博客介绍了第二代非支配排序遗传算法(NSGA-II)求解多目标高次函数的帕累托前沿的代码,本篇博客则是介绍NSGA-III求解多目标高次函数的帕累托前沿。         研究的模型为:min(y1=,x[-10,10]), min(y2=,x[-10,10])。 即求解两个目标函数最小值的问题

    2024年02月06日
    浏览(40)
  • 高创新 | Matlab实现OOA-CNN-GRU-Attention鱼鹰算法优化卷积门控循环单元注意力机制多变量回归预测

    预测效果 基本介绍 1.Matlab实现OOA-CNN-GRU-Attention鱼鹰算法优化卷积门控循环单元注意力机制多变量回归预测; 2.运行环境为Matlab2021b; 3.data为数据集,excel数据,输入多个特征,输出单个变量,多变量回归预测; main.m为主程序,运行即可,所有文件放在一个文件夹; 4.命令窗口

    2024年04月12日
    浏览(42)
  • Matlab|基于多目标粒子群算法的微电网优化调度(多约束多目标智能算法模板)

    目录 1 主要内容 2 部分代码 3 程序结果 4 下载链接 程序针对微电网优化模型进行优化求解,文件夹共包含四部分内容,分别是:原始多目标粒子群、改进多目标粒子群、改进多目标粒子群(勘误)和改进多目标粒子群(多约束模板),满足各位同学对于多目标粒子群算法各

    2024年03月13日
    浏览(82)
  • 单目标应用:基于麻雀搜索算法SSA的微电网优化调度MATLAB

    参考文献: [1]李兴莘,张靖,何宇,等.基于改进粒子群算法的微电网多目标优化调度[J].电力科学与工程, 2021, 37(3):7 麻雀搜索算法 (Sparrow Search Algorithm, SSA) 是一种新型的群智能优化算法,于2020年提出,主要是受麻雀的觅食行为和反捕食行为的启发。SSA是一种基于模拟麻雀自然食

    2024年02月09日
    浏览(39)
  • 【经济调度】基于多目标宇宙优化算法优化人工神经网络环境经济调度研究(Matlab代码实现)

     💥💥💞💞 欢迎来到本博客 ❤️❤️💥💥 🏆博主优势: 🌞🌞🌞 博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️ 座右铭: 行百里者,半于九十。 📋📋📋 本文目录如下: 🎁🎁🎁 目录 💥1 概述 📚2 运行结果 🎉3 参考文献 🌈4 Matlab代码及数据 基于

    2024年02月16日
    浏览(50)
  • 【无功优化】基于多目标差分进化算法的含DG配电网无功优化模型【IEEE33节点】(Matlab代码实现)

    💥💥💞💞 欢迎来到本博客 ❤️❤️💥💥 🏆博主优势: 🌞🌞🌞 博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️ 座右铭: 行百里者,半于九十。 📋📋📋 本文目录如下: 🎁🎁🎁 目录 💥1 概述 📚2 运行结果 ​ 🎉3 参考文献 🌈4 Matlab代码、数据、文

    2023年04月16日
    浏览(48)
  • 基于粒子群优化算法的分布式电源选址与定容【多目标优化】【IEEE33节点】(Matlab代码实现)

    💥💥💞💞 欢迎来到本博客 ❤️❤️💥💥 🏆博主优势: 🌞🌞🌞 博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️ 座右铭: 行百里者,半于九十。 📋📋📋 本文目录如下: 🎁🎁🎁 目录 💥1 概述 1.1 目标函数 2.2 约束条件  📚2 运行结果 🎉3 参考文献

    2024年02月16日
    浏览(47)
  • 【调度算法】快速非支配排序算法

    这段代码实现的是快速非支配排序算法(Fast Non-dominated Sorting Algorithm)。 算法输入和输出: 这个函数的输入是两个列表 values1 和 values2 ,分别表示多目标优化问题中每个解在两个目标函数下的取值。输入的两个列表应该具有相同长度,即每个解在两个目标函数下均有取值。

    2024年02月07日
    浏览(44)
  • 【单目标优化算法】杂草优化算法(Matlab代码实现)

    💥 💥 💞 💞 欢迎来到本博客 ❤️ ❤️ 💥 💥 🏆 博主优势: 🌞 🌞 🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳ 座右铭: 行百里者,半于九十。 📋 📋 📋 本文目录如下: 🎁 🎁 🎁 目录 💥1 概述 📚2 运行结果 🎉3 参考文献 🌈4 Matlab代码实现 杂

    2024年02月11日
    浏览(44)
  • 【单目标优化算法】海鸥优化算法(Matlab代码实现)

    💥 💥 💞 💞 欢迎来到本博客 ❤️ ❤️ 💥 💥 🏆 博主优势: 🌞 🌞 🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳ 座右铭: 行百里者,半于九十。 📋 📋 📋 本文目录如下: 🎁 🎁 🎁 目录 💥1 概述 📚2 运行结果 🎉3 参考文献 🌈4 Matlab代码实现 编

    2024年02月03日
    浏览(45)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包