一、5种多目标优化算法简介
1.1NSWOA
1.2MOJS
1.3MOAHA
1.4MOPSO
1.5NSGA2
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Kursawe为例:
(2)以Viennet2为例:
文章来源:https://www.toymoban.com/news/detail-836705.html
三、完整MATLAB代码
文章来源地址https://www.toymoban.com/news/detail-836705.html
到了这里,关于五种多目标优化算法(NSWOA、MOJS、MOAHA、MOPSO、NSGA2)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!