五种多目标优化算法(MOGWO、MOJS、NSWOA、MOPSO、MOAHA)性能对比(提供MATLAB代码)

这篇具有很好参考价值的文章主要介绍了五种多目标优化算法(MOGWO、MOJS、NSWOA、MOPSO、MOAHA)性能对比(提供MATLAB代码)。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、5种多目标优化算法简介

1.1MOGWO

五种多目标优化算法(MOGWO、MOJS、NSWOA、MOPSO、MOAHA)性能对比(提供MATLAB代码),MATLAB,优化算法,算法,matlab,多目标优化算法,多目标测试函数,多目标评价指标,最新优化算法

1.2MOJS

五种多目标优化算法(MOGWO、MOJS、NSWOA、MOPSO、MOAHA)性能对比(提供MATLAB代码),MATLAB,优化算法,算法,matlab,多目标优化算法,多目标测试函数,多目标评价指标,最新优化算法

1.3NSWOA

五种多目标优化算法(MOGWO、MOJS、NSWOA、MOPSO、MOAHA)性能对比(提供MATLAB代码),MATLAB,优化算法,算法,matlab,多目标优化算法,多目标测试函数,多目标评价指标,最新优化算法

1.4MOPSO

五种多目标优化算法(MOGWO、MOJS、NSWOA、MOPSO、MOAHA)性能对比(提供MATLAB代码),MATLAB,优化算法,算法,matlab,多目标优化算法,多目标测试函数,多目标评价指标,最新优化算法

1.5MOAHA

五种多目标优化算法(MOGWO、MOJS、NSWOA、MOPSO、MOAHA)性能对比(提供MATLAB代码),MATLAB,优化算法,算法,matlab,多目标优化算法,多目标测试函数,多目标评价指标,最新优化算法

二、5种多目标优化算法性能对比

为了测试5种算法的性能将其求解9个多目标测试函数(zdt1、zdt2 、zdt3、 zdt4、 zdt6 、Schaffer、 Kursawe 、Viennet2、 Viennet3),其中Viennet2 与Viennet3的目标为3,其余测试函数的目标为2,并采用6种评价指标(IGD、GD、HV、Coverage、Spread、Spacing)进行评价对比

2.1部分代码

close all;
clear ;
clc;
addpath('./MOJS/')%添加算法路径
addpath('./MOGWO/')%添加算法路径
addpath('./NSWOA/')%添加算法路径
addpath('./MOPSO/')%添加算法路径
addpath('./MOAHA/')%添加算法路径
%%
% TestProblem测试问题说明:
%一共9个多目标测试函数1-9分别是: zdt1 zdt2 zdt3 zdt4 zdt6 Schaffer  Kursawe Viennet2 Viennet3
%%
TestProblem=9;%测试函数1-9
MultiObj = GetFunInfo(TestProblem);
MultiObjFnc=MultiObj.name;%问题名
% Parameters
params.Np = 100;        % Population size 种群大小
params.Nr = 200;        % Repository size 外部存档
params.maxgen=50;    % Maximum number of generations 最大迭代次数
numOfObj=MultiObj.numOfObj;%目标函数个数
%% 算法求解,分别得到paretoPOS和paretoPOF
[Xbest1,Fbest1] = MOGWO(params,MultiObj);
[Xbest2,Fbest2] = MOJS(params,MultiObj);
[Xbest3,Fbest3]  = NSWOA(params,MultiObj);
[Xbest4,Fbest4] = MOPSO(params,MultiObj);
[Xbest5,Fbest5]  = MOAHA(params,MultiObj);
FbestData(1).data=Fbest1;
FbestData(2).data=Fbest2;
FbestData(3).data=Fbest3;
FbestData(4).data=Fbest4;
FbestData(5).data=Fbest5;
%% 获取测试函数的真实pareto前沿
True_Pareto=MultiObj.truePF;
%% 计算每个算法的评价指标
% ResultData的值分别是IGD、GD、HV、Coverage、Spread、Spacing
for i=1:5
    Fbest=FbestData(i).data;
    ResultData(i,:)=[IGD(Fbest,True_Pareto),GD(Fbest,True_Pareto),HV(Fbest,True_Pareto),Coverage(Fbest,True_Pareto),Spread(Fbest,True_Pareto),Spacing(Fbest,True_Pareto)];
end


%% 画图
PlotFigure;

2.2部分结果

(1)以ZDT3为例:

五种多目标优化算法(MOGWO、MOJS、NSWOA、MOPSO、MOAHA)性能对比(提供MATLAB代码),MATLAB,优化算法,算法,matlab,多目标优化算法,多目标测试函数,多目标评价指标,最新优化算法

五种多目标优化算法(MOGWO、MOJS、NSWOA、MOPSO、MOAHA)性能对比(提供MATLAB代码),MATLAB,优化算法,算法,matlab,多目标优化算法,多目标测试函数,多目标评价指标,最新优化算法

五种多目标优化算法(MOGWO、MOJS、NSWOA、MOPSO、MOAHA)性能对比(提供MATLAB代码),MATLAB,优化算法,算法,matlab,多目标优化算法,多目标测试函数,多目标评价指标,最新优化算法

(2)以Viennet3为例:

五种多目标优化算法(MOGWO、MOJS、NSWOA、MOPSO、MOAHA)性能对比(提供MATLAB代码),MATLAB,优化算法,算法,matlab,多目标优化算法,多目标测试函数,多目标评价指标,最新优化算法

五种多目标优化算法(MOGWO、MOJS、NSWOA、MOPSO、MOAHA)性能对比(提供MATLAB代码),MATLAB,优化算法,算法,matlab,多目标优化算法,多目标测试函数,多目标评价指标,最新优化算法

五种多目标优化算法(MOGWO、MOJS、NSWOA、MOPSO、MOAHA)性能对比(提供MATLAB代码),MATLAB,优化算法,算法,matlab,多目标优化算法,多目标测试函数,多目标评价指标,最新优化算法

三、完整MATLAB代码

五种多目标优化算法(MOGWO、MOJS、NSWOA、MOPSO、MOAHA)性能对比(提供MATLAB代码),MATLAB,优化算法,算法,matlab,多目标优化算法,多目标测试函数,多目标评价指标,最新优化算法文章来源地址https://www.toymoban.com/news/detail-833157.html

到了这里,关于五种多目标优化算法(MOGWO、MOJS、NSWOA、MOPSO、MOAHA)性能对比(提供MATLAB代码)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

  • MATLAB实现多目标粒子群优化算法(MOPSO)

    这里如何用MATLAB实现多目标粒子群优化算法。 本教程参考:MATLAB实现多目标粒子群算法 对其中的优化项、优化目标项进行了简单的修改。优化项由1个修改成了2个,优化目标由2个修改成了3个。 同时,参考MATLAB源码,将该算法在C#上也进行了实现,有需要的可以参考:C#实现

    2024年02月01日
    浏览(50)
  • 【多目标进化优化】MOPSO 原理与代码实现

    🎉 博主相信: 有足够的积累,并且一直在路上,就有无限的可能!!! 👨‍🎓 个人主页: 青年有志的博客 💯 Gitee 源码地址: https://gitee.com/futurelqh/Multi-objective-evolutionary-optimization 前驱知识 粒子群优化算法 PSO: https://blog.csdn.net/qq_46450354/article/details/127464089 Pareto 最优解

    2024年02月05日
    浏览(45)
  • 灰狼优化算法(MOGWO)

    固定大小的外部档案用来保存帕累托优化解 在多目标搜索空间中,这个档案被用来定义狼群社会等级和捕猎行为 这个算法在10个多目标测试集进行测试,并与MOEA/D和MOPSO进行对比 将多个目标集成一个单一的目标 两个缺点:一个均匀分布的权重不能保证生成一组均匀分布的帕

    2024年03月21日
    浏览(47)
  • 多目标粒子群(MOPSO)算法原理及其MATLAB实现

    粒子群算法(PSO)是Eberhart和Kennedy于1995年提出的一种模拟鸟类觅食行为的算法[1],具有操作简单、速度快等特点。但在实际应用中,许多决策问题都是多目标优化问题,采用粒子群算法来处理多目标优化问题是一种有效方法,Coello 等人将粒子群优化算法扩展到多个目标,提出了

    2024年03月11日
    浏览(50)
  • 多目标应用:MOGWO求解环境经济负荷分配问题(IEEE-30bus)提供MATLAB代码

    MOGWO原理参考文献: S. Mirjalili, S. Saremi, S. M. Mirjalili, L. Coelho, Multi-objective grey wolf optimizer: A novel algorithm for multi-criterion optimization, Expert Systems with Applications, in press, DOI: http://dx.doi.org/10.1016/j.eswa.2015.10.039 文献:吴亮红. 多目标动态差分进化算法及其应用研究[D].湖南大学,2011. 随着

    2024年02月04日
    浏览(56)
  • 【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(43)
  • 【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(44)
  • 进化算法——多目标优化

    所有的实际优化问题都是多目标的,如果不是显式的至少也是隐式的。接下来讨论多目标优化问题(MOP)如何修改进化算法。实际的优化问题包含多个目标,那些目标常常互相冲突。例如: 在购买汽车时,我们可能想要车最舒适并且花钱最少。最舒适的汽车太贵,最便宜的汽

    2023年04月13日
    浏览(38)
  • 高铁列车粒子群算法及改进粒子群算法多目标单目标运行优化设计

    根据表1、2、3 所列数据,以能耗、运行时间、舒适性为目标分别设计列车运行速度—距离曲线;完成单目标以及多目标优化下的列车运行对比;选择其中一种方案,设计列车速度跟踪控制算法并进行性能分析。 PSO算法使用粒子群来搜索问题的最佳解决方案。每个粒子表示问

    2024年02月01日
    浏览(45)
  • 多目标优化算法:基于非支配排序的鱼鹰优化算法(NSOOA)MATLAB

    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

    2024年01月19日
    浏览(47)

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