多目标优化算法:基于非支配排序的小龙虾优化算法(NSCOA)MATLAB

一、小龙虾优化算法COA

小龙虾优化算法(Crayfsh optimization algorithm,COA)由Jia Heming 等人于2023年提出,该算法模拟小龙虾的避暑、竞争和觅食行为,具有搜索速度快,搜索能力强,能够有效平衡全局搜索和局部搜索的能力。

小龙虾是一种形状类似于虾的甲壳类动物,其甲壳坚硬且颜色丰富。成体的小龙虾身长约5.6-11.9厘米,整体颜色包括红色、红棕色和粉红色。背部是酱暗红色,两侧则是粉红色,带有橘黄色或白色的斑点。甲壳部分近黑色,而腹部背面则有一楔形条纹。幼虾体为均匀的灰色,有时具有黑色波纹,其螯狭长,甲壳中部不被网眼状空隙分隔,甲壳上明显具有颗粒。

小龙虾属于杂食性动物,它们的饮食习性比较特殊。在河底,小龙虾更喜欢吃泥,并且喜欢吃已经死亡的小鱼或其他水中生物。除此之外,植物类、小鱼、小虾、浮游生物、底栖生物和藻类都可以成为它们的食物。

多目标优化算法:基于非支配排序的小龙虾优化算法(NSCOA)MATLAB_第1张图片

多目标优化算法:基于非支配排序的小龙虾优化算法(NSCOA)MATLAB_第2张图片

参考文献:

[1] Jia, H., Rao, H., Wen, C. et al. Crayfish optimization algorithm. Artif Intell Rev (2023). Crayfish optimization algorithm | SpringerLink

二、基于非支配排序的小龙虾优化算法NSCOA

基于非支配排序的小龙虾优化算法(Non-Dominated Crayfsh optimization algorithm,NSCOA)由小龙虾优化算法与非支配排序策略结合而成。将NSCOA用于求解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),并采用IGD、GD、HV、SP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 =100;    % Maximum number of generations
numOfObj=MultiObj.numOfObj;%目标函数个数
D=MultiObj.nVar;%维度
f = NSCOA(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:基于非支配排序的小龙虾优化算法(NSCOA)MATLAB_第3张图片

多目标优化算法:基于非支配排序的小龙虾优化算法(NSCOA)MATLAB_第4张图片

多目标优化算法:基于非支配排序的小龙虾优化算法(NSCOA)MATLAB_第5张图片

多目标优化算法:基于非支配排序的小龙虾优化算法(NSCOA)MATLAB_第6张图片

多目标优化算法:基于非支配排序的小龙虾优化算法(NSCOA)MATLAB_第7张图片

多目标优化算法:基于非支配排序的小龙虾优化算法(NSCOA)MATLAB_第8张图片

多目标优化算法:基于非支配排序的小龙虾优化算法(NSCOA)MATLAB_第9张图片

多目标优化算法:基于非支配排序的小龙虾优化算法(NSCOA)MATLAB_第10张图片

多目标优化算法:基于非支配排序的小龙虾优化算法(NSCOA)MATLAB_第11张图片

三、完整MATLAB代码

你可能感兴趣的:(多目标优化算法,优化算法,MATLAB,算法,matlab,多目标优化算法,非支配排序,进化计算,演化算法)