基于隨機(jī)油漆優(yōu)化器 (MOSPO)求解多目標(biāo)優(yōu)化問(wèn)題附matlab代碼
?作者簡(jiǎn)介:熱愛(ài)科研的
開(kāi)發(fā)者,修心和技術(shù)同步精進(jìn),matlab項(xiàng)目合作可私信。??個(gè)人主頁(yè):
??個(gè)人信條:格物致知。
更多Matlab仿真內(nèi)容點(diǎn)擊??
?? ? ?
? ? ? ? ?
? 內(nèi)容介紹
隨機(jī)油漆優(yōu)化器 (SPO) 的單目標(biāo)版本已適當(dāng)更改,以解決描述為 MOSPO 的多目標(biāo)優(yōu)化問(wèn)題。色彩理論、色輪和色彩組合方法是 SPO 的主要概念。由于沒(méi)有任何內(nèi)部參數(shù)的四種簡(jiǎn)單顏色組合規(guī)則,SPO 將能夠進(jìn)行出色的探索和開(kāi)發(fā)。使用固定大小的外部存檔等原則使推薦技術(shù)不同于最初的單目標(biāo) SPO。此外,為了執(zhí)行多目標(biāo)優(yōu)化,SPO 中添加了領(lǐng)導(dǎo)者選擇功能。推薦的多目標(biāo)隨機(jī)油漆優(yōu)化器(MOSPO)的效率在十個(gè)數(shù)學(xué)(CEC-09)和八個(gè)多目標(biāo)工程設(shè)計(jì)問(wèn)題上進(jìn)行了測(cè)試,與多目標(biāo)粒子群優(yōu)化(MOPSO)相比,具有顯著的精度和均勻性,多-目標(biāo)拍打群算法(MSSA)和多目標(biāo)蟻獅優(yōu)化器。根據(jù)不同性能指標(biāo)的結(jié)果,如世代距離(GD)、反向世代距離(IGD)、最大傳播和間距,所提出的算法可以提供高質(zhì)量的 Pareto 前沿,具有非常有競(jìng)爭(zhēng)力的結(jié)果和高收斂性。
? 部分代碼
%__________________________________________________________________ %
%? ? ? ? ? ? ? ? ? ? ? ? ? Multi-Objective? ? ? ? ? ? ? ? ? ? ? ? ? %
%? ? ? ? Multi-Objetective Stochastic Paint Optimizer (MOSPO)? ? ? ?%
%? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?%
%? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?%
%? ? ? ? ? ? ? ? ? Developed in MATLAB R2021a (MacOs)? ? ? ? ? ? ? ?%
%? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?%
%? ? ? ? ? ? ? ? ? ? ? Author and programmer? ? ? ? ? ? ? ? ? ? ? ? %
%? ? ? ? ? ? ? ? ---------------------------------? ? ? ? ? ? ? ? ? %
%? ? ? ? ? ? ? ? ? ? ? Nima Khodadadi (???)? ? ? ? ? ? ? ? ? ? ? ? ?%
%? ? ? ? ? ? ? ? ? ? ? ?SeyedAli Mirjalili? ? ? ? ? ? ? ? ? ? ? ? ? %
%? ? ? ? ? ? ? ? ? ? ? ? ? ? ?e-Mail? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? %
%? ? ? ? ? ? ? ? ---------------------------------? ? ? ? ? ? ? ? ? %
%? ? ? ? ? ? ? ? ? ? ? ? ?nkhod002@fiu.edu? ? ? ? ? ? ? ? ? ? ? ? ? %?
%? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?%
%? ? ? ? ? ? ? ? ? ? ? ? ? ? Homepage? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?%
%? ? ? ? ? ? ? ? ---------------------------------? ? ? ? ? ? ? ? ? %
%? ? ? ? ? ? ? ? ? ? https://nimakhodadadi.com? ? ? ? ? ? ? ? ? ? ? %
%? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?%
%? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?%
%? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?%
%? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% ----------------------------------------------------------------------- %
% ----------------------------------------------------------------------- %
function [Archive_X_Chopped, Archive_F_Chopped, Archive_mem_ranks_updated, Archive_member_no]=HandleFullArchive(Archive_X, Archive_F, Archive_member_no, Archive_mem_ranks, ArchiveMaxSize)
for i=1:size(Archive_F,1)-ArchiveMaxSize
? ? index=RouletteWheelSelection(Archive_mem_ranks);
? ??
? ? Archive_X=[Archive_X(1:index-1,:) ; Archive_X(index+1:Archive_member_no,:)];
? ? Archive_F=[Archive_F(1:index-1,:) ; Archive_F(index+1:Archive_member_no,:)];
? ? Archive_mem_ranks=[Archive_mem_ranks(1:index-1) Archive_mem_ranks(index+1:Archive_member_no)];
? ? Archive_member_no=Archive_member_no-1;
end
Archive_X_Chopped=Archive_X;
Archive_F_Chopped=Archive_F;
Archive_mem_ranks_updated=Archive_mem_ranks;
? 運(yùn)行結(jié)果

? 參考文獻(xiàn)
Khodadadi, Nima, et al. “Multi-Objective Stochastic Paint Optimizer (MOSPO).” Neural Computing and Applications, Springer Science and Business Media LLC, June 2022, doi:10.1007/s00521-022-07405-z.
? Matlab代碼關(guān)注
??部分理論引用網(wǎng)絡(luò)文獻(xiàn),若有侵權(quán)聯(lián)系博主刪除
?? 關(guān)注我領(lǐng)取海量matlab電子書(shū)和數(shù)學(xué)建模資料
?