62-人工鱼群算法多目标优化案例分析
人工鱼群算法多目标优化案例分析百度网盘链接：
视频1：https://pan.baidu.com/s/1fG7plmMccZz-LCa-98FpUw
视频2：https://pan.baidu.com/s/1Y1oTOVNr5htLn2L7PkVLQg
视频3：https://pan.baidu.com/s/1cxgKRYgiOEk3lb_pvwRqvA
具体链接在halcom.cn论坛，联系人QQ：3283892722
该论坛是一个学习交流平台，我会逐一的和大家分享学习。
欢迎大家录制视频，你可在论坛进行打赏分享。
视频专用播放器：http://halcom.cn/forum.php?mod=viewthread&tid=258&extra=page%3D1\
主程序如下：% 基于AFSA算法的多目标函数寻优
clc,clear,close all
warning off
format longG
% web('halcom.cn')
addpath(genpath('./TestCode'))
global nObj nVar
% 算法参数
maxiter = 50; % 迭代次数
sizepop = 100; % 种群数量
try_number = 10; % 种群个体最优try次数
visual = 1; % 可视距离 = 感知距离
delta = 0.618; % 拥挤度因子
step = 0.5; % 步长
repository = 100; % 非支配解种群数量
nGrid=12; % 每个目标函数解集域的扩展网格大小，单周期数
alpha=0.1; % 非支配解的解集的扩展因子
beta=2; % 非支配解的选择因子
%% 适应度函数
% testfun = @fun_ZDT1;
% maxiter = 5; % 迭代次数
% nObj = 2; % 目标个数
% nVar = 30; % 未知量个数
% popmin = zeros(1, nVar); % 最小取值范围
% popmax = ones(1, nVar); % 最大取值范围
% testfun = @fun_ZDT4;
% maxiter = 50; % 迭代次数
% nObj = 2; % 目标个数
% nVar = 10; % 未知量个数
% popmin = zeros(1, nVar); % 最小取值范围
% popmax = ones(1, nVar); % 最大取值范围
% testfun = @fun_DTLZ1;
% maxiter = 50; % 迭代次数
% nObj = 3; % 目标个数
% nVar = 10; % 未知量个数
% popmin = zeros(1, nVar); % 最小取值范围
% popmax = ones(1, nVar); % 最大取值范围
testfun = @fun_DTLZ2;
maxiter = 50; % 迭代次数
nObj = 3; % 目标个数
nVar = 12; % 未知量个数
popmin = zeros(1, nVar); % 最小取值范围
popmax = ones(1, nVar); % 最大取值范围
% testfun = @fun_SRN;
% maxiter = 50; % 迭代次数
% nObj = 2; % 目标个数
% nVar = 2; % 未知量个数
% popmin = -20*ones(1, nVar); % 最小取值范围
% popmax = 20*ones(1, nVar); % 最大取值范围
% testfun = @fun_TNK;
% maxiter = 50; % 迭代次数
% nObj = 2; % 目标个数
% nVar = 2; % 未知量个数
% popmin = 0*ones(1, nVar); % 最小取值范围
% popmax = pi*ones(1, nVar); % 最大取值范围
%% 初始化种群
x.Pos=[]; % 未知量的解
x.fitness=[]; % 粒子适应度值
x.Best.Pos=[]; % 最优解
x.Best.fitness=[]; % 最优解对应的适应度值--目标函数值
x.IsDominated=[]; % 是否非支配解，支配解=1, 非支配解=0
x.GridIndex=[]; % 非支配解的网格化参数值-索引总循环数（并排目标函数的序列化内）
x.GridSubIndex=[]; % 每一个非支配解的网格化索引值（扩展取值范围内）
pop=repmat(x,sizepop,1); % 初始化的种群
clear x
for i=1:sizepop
for j=1:nVar
pop(i).Pos(j) = unifrnd(popmin(j),popmax(j),1);
end
% 适应度函数
pop(i).fitness = testfun(pop(i).Pos);
% 种群个体最优
pop(i).Best.Pos=pop(i).Pos;
% 种群最优适应度值
pop(i).Best.fitness=pop(i).fitness;
end
% 确定种群之间是否存在支配解
pop=JudgePopDomination(pop);
% 然后获取非支配解
rep=pop(~);
% 扩展非支配解的适应度函数取值范围
Grid=CreateGrids(rep,nGrid,alpha);
% 计算扩展非支配解的GridIndex
for i=1:numel(rep)
rep(i)=FindGridIndex(rep(i),Grid);
end
%% AFSA算法的多目标函数寻优主程序
for i=1:maxiter
popFSA=[];
popFSA = ;
popFSA = ';
fitness=[];
fitness = ;
fitness = ';
for j=1:sizepop
Xi = popFSA(j,:); % 当前的种群
Yi = fitness(j,:);% 当前种群对应的适应度值
% 聚群行为
= FSA_center(testfun, Xi, Yi, popFSA,fitness, popmin, popmax, sizepop, visual, step, try_number, delta);
% 追尾行为
= FSA_scatter(testfun, Xi,Yi, popFSA,fitness, popmin, popmax, sizepop, visual, step, try_number, delta);
% 是否受支配
if Domination2(Yc,Ys)
pop(j).Pos = Xc;
pop(j).fitness = Yc;
else
pop(j).Pos = Xs;
pop(j).fitness = Ys;
end
% 是否受支配
if Domination(pop(j),pop(j).Best)
pop(j).Best.Pos=pop(j).Pos;
pop(j).Best.fitness=pop(j).fitness;
else
if rand<0.5
pop(j).Best.Pos=pop(j).Pos;
pop(j).Best.fitness=pop(j).fitness;
end
end
end
% 增加非支配解
rep =)];
% 非支配解是否有支配解
rep=JudgePopDomination(rep);
% 删除支配解
rep=rep(~);
% 扩展非支配解的适应度函数取值范围
Grid=CreateGrids(rep,nGrid,alpha);
for k=1:numel(rep)
rep(k)=FindGridIndex(rep(k),Grid);
end
if nObj==2
figure(1);
Plotfitness(pop,rep);
pause(0.001);
elseif(nObj==3)
figure(1);
Plotfitness3(pop,rep);
pause(0.001);
end
end
% 确定种群之间是否存在支配解
pop=JudgePopDomination(pop);
rep = uniqueRep(rep);
if nObj==2
figure(1);
Plotfitness(pop,rep);
elseif( nObj==3)
figure(1);
Plotfitness3(pop,rep);
end
% web('halcom.cn')
rmpath(genpath('./TestCode'))优化后的追尾行为函数：
function = FSA_scatter(testfun, Xi, Yi, pop, fitness, popmin,popmax, sizepop, visual, step, try_number, delta)
% 追尾行为
% popmin1 = popminmax1(1);popmax1 = popminmax1(2); % x1
% popmin2 = popminmax2(1);popmax2 = popminmax2(2); % x2
% Xi = pop(j,:); % 当前的种群
% Yi = fitness(j);% 当前种群对应的适应度值
% for k=1:sizepop
% d(k) = norm( Xi-pop(k,:) ,2);
% end
d = zeros( sizepop,1 );
for i=1:size(fitness, 2)
= sort(fitness(:, i));
for k=1:sizepop
if(vb(k)==sizepop)
d(k) = d(k) + abs( fitness(vb(k)-1, i) )./( max(fitness(:,i))-min(fitness(:,i))+eps );
elseif( vb(k)==1 )
d(k) = d(k) + abs( fitness(vb(k)+1, i) )./( max(fitness(:,i))-min(fitness(:,i))+eps );
elseif(vb(k)>1 && vb(k)<sizepop )
d(k) = d(k) + abs( fitness(vb(k)+1, i) - fitness(vb(k)-1, i) )./( max(fitness(:,i))-min(fitness(:,i))+eps );
end
end
end
= find( d>0 & d<visual );
if(~isempty(b))
Xc = zeros( size(pop(1,:)) );
Ymax = 1000000*ones( size(fitness,2), 1 );
Xmax = Xc;
for k=1:length(b)
Xc = pop(a(k),:);
Yc = testfun( Xc ); % 适应度值
% 是否受支配
if Domination2(Yc,Ymax)
% if Yc>Ymax
Ymax = Yc;
Xmax = Xc;
end
end
% if Ymax/length(b) > delta*Yi
% 是否受支配
if Domination2(Ymax/length(b),delta*Yi')
Xt = Xi + ( Xmax - Xi )./(norm(Xmax-Xi,2)+eps) .* step .*rand( size( Xi ) );
Yt = testfun( Xt ); % 适应度值
else
% 觅食行为
= FSA_find(testfun, Xi, Yi, popmin, popmax, visual, step, try_number);
end
else
% 觅食行为
= FSA_find(testfun, Xi, Yi, popmin, popmax, visual, step, try_number);
end优化后的聚群行为函数如下：
function = FSA_center(testfun, Xi, Yi, pop, fitness, popmin, popmax, sizepop, visual, step, try_number, delta)
% 聚群行为
% popmin1 = popminmax1(1);popmax1 = popminmax1(2); % x1
% popmin2 = popminmax2(1);popmax2 = popminmax2(2); % x2
% Xi = pop(j,:); % 当前的种群
% Yi = fitness(j);% 当前种群对应的适应度值
% for k=1:sizepop
% d(k) = norm( Xi-pop(k,:) ,2);
% end
d = zeros( sizepop,1 );
for i=1:size(fitness, 2)
= sort(fitness(:, i));
for k=1:sizepop
if(vb(k)==sizepop)
d(k) = d(k) + abs( fitness(vb(k)-1, i) )./( max(fitness(:,i))-min(fitness(:,i))+eps );
elseif( vb(k)==1 )
d(k) = d(k) + abs( fitness(vb(k)+1, i) )./( max(fitness(:,i))-min(fitness(:,i))+eps );
elseif(vb(k)>1 && vb(k)<sizepop )
d(k) = d(k) + abs( fitness(vb(k)+1, i) - fitness(vb(k)-1, i) )./( max(fitness(:,i))-min(fitness(:,i))+eps );
end
end
end
= find( d>0 & d<visual );
if(~isempty(b))
Xc = zeros( size(pop(1,:)) );
for k=1:length(b)
Xc = Xc+pop(b(k),:);
end
Xc = Xc./length(b);
Yc = testfun( Xc ); % 适应度值
% if Yc/length(b) > delta*Yi
% 是否受支配
if Domination2(Yc/length(b),delta*Yi')
Xt = Xi + ( Xc - Xi )./(norm(Xc-Xi,2)+eps) .* step .*rand( size( Xi ) );
Yt = testfun( Xt ); % 适应度值
else
% 觅食行为
= FSA_find(testfun, Xi, Yi, popmin, popmax, visual, step, try_number);
end
else
% 觅食行为
= FSA_find(testfun, Xi, Yi, popmin, popmax, visual, step, try_number);
end快速排序法构造非支配集：
function pop = JudgePopDomination(pop)
sizepop = numel(pop);% 种群数量
for i=1:sizepop
pop(i).IsDominated=0;
end
for i=1:sizepop-1
for j=i+1:sizepop
b1 = Domination(pop(i),pop(j));
b2 = Domination(pop(j),pop(i));
if b1==1
pop(j).IsDominated=1;
end
if b2==1
pop(i).IsDominated=1;
end
end
end
结果如下：
请问是一个算法视频38元吗 小雅xmy 发表于 2018-8-16 17:10
请问是一个算法视频38元吗
是的 感谢算法样例
页:
[1]