多目标蜻蜓算法(MODA)附Matlab代码

2023-10-28 03:00
文章标签 算法 代码 matlab 目标 moda 蜻蜓

本文主要是介绍多目标蜻蜓算法(MODA)附Matlab代码，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

目录

一、MODA算法描述

二、MODA的伪代码

三、多目标蜻蜓算法(MODA)Matlab代码

四、运行结果

一、MODA算法描述

        为了使用DA算法解决多目标问题，它首先配备了一个档案库（Archive），用于在优化过程中存储和检索最优解的最佳近似。搜索代理的更新位置与DA相同，但食物来源是从档案中选择的。类似于多目标粒子群优化算法，为了找到分布良好的帕累托最优前沿，从所获得的帕累托最优前沿的种群最少的区域中选择食物源。为了找到帕累托最优前沿的种群最少的区域，应该分割搜索空间。这是通过寻找得到的帕累托最优解的最佳和最差目标，定义一个超球来覆盖所有解，并在每次迭代中将超球划分为相等的子超球来实现的。在创建片段之后，通过轮盘赌机制进行选择，每个片段的概率如下，这是由Coello Coello等人提出的:

p_{i}=\frac{C}{N_{i}}

其中c是大于1的常数，N_{i}是第i段中获得的帕累托最优解的个数。这个方程允许MODA算法有更高的概率从种群较少的部分选择食物来源。因此，将鼓励蜻蜓在这些区域周围飞行，并改善整个帕累托最优前沿的分布。然而，为了从档案库（Archive）中选择敌人，应该选择最差(种群最多)的超球体，以阻止蜻蜓在不太可能的拥挤区域搜索。选择是通过轮盘赌机制完成的，每个部分的概率如下:

p=\frac{N_{i}}{C}

其中c是大于1的常数，N_{i}是第i段中获得的帕累托最优解的个数。在上式中可以看到。轮盘赌机制将高概率分配给最拥挤的超球体以被选为敌人。下图表示上述两个选择过程的例子。覆盖所有子超球体的主超球体没有在该图中示出。

 MODA算法的所有参数都与DA相同，除了两个新的参数用于定义超球体的最大数量和档案大小。

二、MODA的伪代码

三、多目标蜻蜓算法(MODA)Matlab代码

clc;
clear;
close all;
%% 多目标目标函数
ObjectiveFunction=@ZDT1;
dim=5;
lb=0;
ub=1;
obj_no=2;
if size(ub,2)==1ub=ones(1,dim)*ub;lb=ones(1,dim)*lb;
end
%% 初始化多目标蜻蜓优化算法参数
max_iter=100;
N=100;
ArchiveMaxSize=100;
Archive_X=zeros(100,dim);
Archive_F=ones(100,obj_no)*inf;
Archive_member_no=0;
r=(ub-lb)/2;
V_max=(ub(1)-lb(1))/10;
Food_fitness=inf*ones(1,obj_no);
Food_pos=zeros(dim,1);
Enemy_fitness=-inf*ones(1,obj_no);
Enemy_pos=zeros(dim,1);
X=initialization(N,dim,ub,lb);
fitness=zeros(N,2);
DeltaX=initialization(N,dim,ub,lb);
iter=0;
position_history=zeros(N,max_iter,dim);
for iter=1:max_iterr=(ub-lb)/4+((ub-lb)*(iter/max_iter)*2);w=0.9-iter*((0.9-0.2)/max_iter);my_c=0.1-iter*((0.1-0)/(max_iter/2));if my_c<0my_c=0;endif iter<(3*max_iter/4)s=my_c;             % 分离权重a=my_c;             %对齐权重c=my_c;             % 聚集权重f=2*rand;           % 食物吸引权重e=my_c;             % 天敌驱散权重elses=my_c/iter;       a=my_c/iter;        c=my_c/iter;        f=2*rand;           e=my_c/iter;        end%% 首先计算所有的目标值for i=1:N Particles_F(i,:)=ObjectiveFunction(X(:,i)');if dominates(Particles_F(i,:),Food_fitness)Food_fitness=Particles_F(i,:);Food_pos=X(:,i);endif dominates(Enemy_fitness,Particles_F(i,:))if all(X(:,i)<ub') && all( X(:,i)>lb')Enemy_fitness=Particles_F(i,:);Enemy_pos=X(:,i);endendend[Archive_X, Archive_F, Archive_member_no]=UpdateArchive(Archive_X, Archive_F, X, Particles_F, Archive_member_no);if Archive_member_no>ArchiveMaxSizeArchive_mem_ranks=RankingProcess(Archive_F, ArchiveMaxSize, obj_no);[Archive_X, Archive_F, Archive_mem_ranks, Archive_member_no]=HandleFullArchive(Archive_X, Archive_F, Archive_member_no, Archive_mem_ranks, ArchiveMaxSize);elseArchive_mem_ranks=RankingProcess(Archive_F, ArchiveMaxSize, obj_no);endArchive_mem_ranks=RankingProcess(Archive_F, ArchiveMaxSize, obj_no);%% 提高复盖率的食物（选择种群最少地区的归档成员以提高复盖率的食物）index=RouletteWheelSelection(1./Archive_mem_ranks);if index==-1index=1;endFood_fitness=Archive_F(index,:);Food_pos=Archive_X(index,:)';%% （提高复盖率）选择种群最多的地区的档案成员作为敌人来提高复盖率index=RouletteWheelSelection(Archive_mem_ranks);if index==-1index=1;endEnemy_fitness=Archive_F(index,:);Enemy_pos=Archive_X(index,:)';for i=1:Nindex=0;neighbours_no=0;clear Neighbours_Vclear Neighbours_X%% 找到附近的解决方案for j=1:NDist=distance(X(:,i),X(:,j));if (all(Dist<=r) && all(Dist~=0))index=index+1;neighbours_no=neighbours_no+1;Neighbours_V(:,index)=DeltaX(:,j);Neighbours_X(:,index)=X(:,j);endend%% 分离S=zeros(dim,1);if neighbours_no>1for k=1:neighbours_noS=S+(Neighbours_X(:,k)-X(:,i));endS=-S;elseS=zeros(dim,1);end%% 对齐if neighbours_no>1A=(sum(Neighbours_V')')/neighbours_no;elseA=DeltaX(:,i);end%% 聚集if neighbours_no>1C_temp=(sum(Neighbours_X')')/neighbours_no;elseC_temp=X(:,i);endC=C_temp-X(:,i);%% 食物吸引Dist2Attraction=distance(X(:,i),Food_pos(:,1));if all(Dist2Attraction<=r)F=Food_pos-X(:,i);iter;elseF=0;end%% 天敌驱散Dist=distance(X(:,i),Enemy_pos(:,1));if all(Dist<=r)E=Enemy_pos+X(:,i);elseE=zeros(dim,1);endfor tt=1:dimif X(tt,i)>ub(tt)X(tt,i)=lb(tt);DeltaX(tt,i)=rand;endif X(tt,i)<lb(tt)X(tt,i)=ub(tt);DeltaX(tt,i)=rand;endendif any(Dist2Attraction>r)if neighbours_no>1for j=1:dimDeltaX(j,i)=w*DeltaX(j,i)+rand*A(j,1)+rand*C(j,1)+rand*S(j,1);if DeltaX(j,i)>V_maxDeltaX(j,i)=V_max;endif DeltaX(j,i)<-V_maxDeltaX(j,i)=-V_max;endX(j,i)=X(j,i)+DeltaX(j,i);endelseX(:,i)=X(:,i)+Levy(dim)'.*X(:,i);DeltaX(:,i)=0;endelse    for j=1:dimDeltaX(j,i)=s*S(j,1)+a*A(j,1)+c*C(j,1)+f*F(j,1)+e*E(j,1) + w*DeltaX(j,i);if DeltaX(j,i)>V_maxDeltaX(j,i)=V_max;endif DeltaX(j,i)<-V_maxDeltaX(j,i)=-V_max;endX(j,i)=X(j,i)+DeltaX(j,i);endendFlag4ub=X(:,i)>ub';Flag4lb=X(:,i)<lb';X(:,i)=(X(:,i).*(~(Flag4ub+Flag4lb)))+ub'.*Flag4ub+lb'.*Flag4lb;enddisplay(['在迭代时 ', num2str(iter), '有 ', num2str(Archive_member_no), ' 非支配解决方案']);
endfigureDraw_ZDT1();hold on
if obj_no==2plot(Archive_F(:,1),Archive_F(:,2),'ko','MarkerSize',8,'markerfacecolor','k');
elseplot3(Archive_F(:,1),Archive_F(:,2),Archive_F(:,3),'ko','MarkerSize',8,'markerfacecolor','k');
end
legend('True PF','Obtained PF');
title('MODA');
%======目标函数===========function o = ZDT1(x)o = [0, 0];dim = length(x);
g = 1 + 9*sum(x(2:dim))/(dim-1);o(1) = x(1);
o(2) = g*(1-sqrt(x(1)/g));
end
function [Archive_X_updated, Archive_F_updated, Archive_member_no]=UpdateArchive(Archive_X, Archive_F, Particles_X, Particles_F, Archive_member_no)
Archive_X_temp=[Archive_X ; Particles_X'];
Archive_F_temp=[Archive_F ; Particles_F];o=zeros(1,size(Archive_F_temp,1));for i=1:size(Archive_F_temp,1)o(i)=0;for j=1:i-1if any(Archive_F_temp(i,:) ~= Archive_F_temp(j,:))if dominates(Archive_F_temp(i,:),Archive_F_temp(j,:))o(j)=1;elseif dominates(Archive_F_temp(j,:),Archive_F_temp(i,:))o(i)=1;break;endelseo(j)=1;o(i)=1;endend
endArchive_member_no=0;
index=0;
for i=1:size(Archive_X_temp,1)if o(i)==0Archive_member_no=Archive_member_no+1;Archive_X_updated(Archive_member_no,:)=Archive_X_temp(i,:);Archive_F_updated(Archive_member_no,:)=Archive_F_temp(i,:);elseindex=index+1;end
endend
function o = RouletteWheelSelection(weights)
accumulation = cumsum(weights);
p = rand() * accumulation(end);
chosen_index = -1;
for index = 1 : length(accumulation)if (accumulation(index) > p)chosen_index = index;break;end
end
o = chosen_index;
end
function ranks=RankingProcess(Archive_F, ArchiveMaxSize, obj_no)my_min=min(Archive_F);
my_max=max(Archive_F);if size(Archive_F,1)==1my_min=Archive_F;my_max=Archive_F;
endr=(my_max-my_min)/(20);ranks=zeros(1,size(Archive_F,1));for i=1:size(Archive_F,1)ranks(i)=0;for j=1:size(Archive_F,1)flag=0; % 一个标志，以查看该点是否在所有维度上都在新区域中。for k=1:obj_noif (abs(Archive_F(j,k)-Archive_F(i,k))<r(k))flag=flag+1;endendif flag==obj_noranks(i)=ranks(i)+1;endend
end
end
function o=Levy(d)beta=3/2;sigma=(gamma(1+beta)*sin(pi*beta/2)/(gamma((1+beta)/2)*beta*2^((beta-1)/2)))^(1/beta);
u=randn(1,d)*sigma;
v=randn(1,d);
step=u./abs(v).^(1/beta);o=0.01*step;
end
%% 初始化
function X=initialization(SearchAgents_no,dim,ub,lb)Boundary_no= size(ub,2); % 边界数%% 如果所有变量的边界相等，用户对ub和lb都输入一个标志号
if Boundary_no==1ub_new=ones(1,dim)*ub;lb_new=ones(1,dim)*lb;
elseub_new=ub;lb_new=lb;
end%% 如果每个变量具有不同的lb和ub
for i=1:dimub_i=ub_new(i);lb_i=lb_new(i);X(:,i)=rand(SearchAgents_no,1).*(ub_i-lb_i)+lb_i;
endX=X';
end
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)-ArchiveMaxSizeindex=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;
endfunction TPF=Draw_ZDT1()
%====TPF是真正的帕累托最优前沿=====
addpath('ZDT_set')
ObjectiveFunction=@(x) ZDT1(x);
x=0:0.01:1;
for i=1:size(x,2)TPF(i,:)=ObjectiveFunction([x(i) 0 0 0]);
end
line(TPF(:,1),TPF(:,2));
title('ZDT1')
xlabel('f1')
ylabel('f2')
box on
fig=gcf;
set(findall(fig,'-property','FontName'),'FontName','Garamond')
set(findall(fig,'-property','FontAngle'),'FontAngle','italic')
endfunction o=dominates(x,y)
o=all(x<=y) && any(x<y);
endfunction o = distance(a,b)
for i=1:size(a,1)o(1,i)=sqrt((a(i)-b(i))^2);
end
end

四、运行结果

这篇关于多目标蜻蜓算法(MODA)附Matlab代码的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

原文地址:https://blog.csdn.net/qq_45823589/article/details/130813384
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：http://www.chinasem.cn/article/290233。

相关文章

使用Dify访问mysql数据库详细代码示例

使用Dify访问mysql数据库详细代码示例

《使用Dify访问mysql数据库详细代码示例》：本文主要介绍使用Dify访问mysql数据库的相关资料,并详细讲解了如何在本地搭建数据库访问服务,使用ngrok暴露到公网,并创建知识库、数据库访... 1、在本地搭建数据库访问的服务，并使用ngrok暴露到公网。#sql_tools.pyfrom
阅读更多...
Java springBoot初步使用websocket的代码示例

Java springBoot初步使用websocket的代码示例

《JavaspringBoot初步使用websocket的代码示例》：本文主要介绍JavaspringBoot初步使用websocket的相关资料,WebSocket是一种实现实时双向通信的协... 目录一、什么是websocket二、依赖坐标地址1.springBoot父级依赖2.springBoot依赖
阅读更多...
讯飞webapi语音识别接口调用示例代码(python)

讯飞webapi语音识别接口调用示例代码(python)

《讯飞webapi语音识别接口调用示例代码(python)》：本文主要介绍如何使用Python3调用讯飞WebAPI语音识别接口,重点解决了在处理语音识别结果时判断是否为最后一帧的问题,通过运行代... 目录前言一、环境二、引入库三、代码实例四、运行结果五、总结前言基于python3 讯飞webAPI语音
阅读更多...
什么是 Java 的 CyclicBarrier(代码示例)

什么是 Java 的 CyclicBarrier(代码示例)

《什么是Java的CyclicBarrier(代码示例)》CyclicBarrier是多线程协同的利器,适合需要多次同步的场景,本文通过代码示例讲解什么是Java的CyclicBarrier,感... 你的回答（口语化，面试场景）面试官：什么是 Java 的 CyclicBarrier？你：好的，我来举个例
阅读更多...
如何通过Golang的container/list实现LRU缓存算法

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣：146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.
阅读更多...
基于Canvas的Html5多时区动态时钟实战代码

基于Canvas的Html5多时区动态时钟实战代码

《基于Canvas的Html5多时区动态时钟实战代码》：本文主要介绍了如何使用Canvas在HTML5上实现一个多时区动态时钟的web展示，通过Canvas的API，可以绘制出6个不同城市的时钟，并且这些时钟可以动态转动，每个时钟上都会标注出对应的24小时制时间，详细内容请阅读本文，希望能对你有所帮助...
阅读更多...
HTML5 data-*自定义数据属性的示例代码

HTML5 data-*自定义数据属性的示例代码

《HTML5data-*自定义数据属性的示例代码》HTML5的自定义数据属性（data-*）提供了一种标准化的方法在HTML元素上存储额外信息,可以通过JavaScript访问、修改和在CSS中使用... 目录引言基本概念使用自定义数据属性1. 在 html 中定义2. 通过 JavaScript 访问3.
阅读更多...
Flutter监听当前页面可见与隐藏状态的代码详解

Flutter监听当前页面可见与隐藏状态的代码详解

《Flutter监听当前页面可见与隐藏状态的代码详解》文章介绍了如何在Flutter中使用路由观察者来监听应用进入前台或后台状态以及页面的显示和隐藏,并通过代码示例讲解的非常详细,需要的朋友可以参考下... flutter 可以监听 app 进入前台还是后台状态，也可以监听当http://www.cppcn
阅读更多...
Python使用PIL库将PNG图片转换为ICO图标的示例代码

Python使用PIL库将PNG图片转换为ICO图标的示例代码

《Python使用PIL库将PNG图片转换为ICO图标的示例代码》在软件开发和网站设计中,ICO图标是一种常用的图像格式,特别适用于应用程序图标、网页收藏夹图标等场景,本文将介绍如何使用Python的... 目录引言准备工作代码解析实践操作结果展示结语引言在软件开发和网站设计中，ICO图标是一种常用的图像
阅读更多...
Java中有什么工具可以进行代码反编译详解

Java中有什么工具可以进行代码反编译详解

《Java中有什么工具可以进行代码反编译详解》：本文主要介绍Java中有什么工具可以进行代码反编译的相关资,料,包括JD-GUI、CFR、Procyon、Fernflower、Javap、Byte... 目录1.JD-GUI2.CFR3.Procyon Decompiler4.Fernflower5.Jav
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2