62-人工鱼群算法多目标优化案例分析

Halcom

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：

1. % 基于AFSA算法的多目标函数寻优
   
2. clc,clear,close all
   
3. warning off
   
4. format longG
   
5. % web('halcom.cn')
   
6. addpath(genpath('./TestCode'))
   
7. global nObj nVar
   
8. % 算法参数
   
9. maxiter = 50;       % 迭代次数
   
10. sizepop = 100;      % 种群数量
    
11. try_number = 10;    % 种群个体最优try次数
    
12. visual = 1;         % 可视距离 = 感知距离
    
13. delta = 0.618;      % 拥挤度因子
    
14. step = 0.5;         % 步长
    
15. repository = 100;    % 非支配解种群数量
    
16. nGrid=12;            % 每个目标函数解集域的扩展网格大小，单周期数
    
17. alpha=0.1;          % 非支配解的解集的扩展因子
    
18. beta=2;             % 非支配解的选择因子
    
19. %% 适应度函数
    
20. % testfun = @fun_ZDT1;
    
21. % maxiter = 5;       % 迭代次数
    
22. % nObj = 2;    % 目标个数
    
23. % nVar = 30;   % 未知量个数
    
24. % popmin = zeros(1, nVar);   % 最小取值范围
    
25. % popmax = ones(1, nVar);    % 最大取值范围
    
26. 
    
27. % testfun = @fun_ZDT4;
    
28. % maxiter = 50;       % 迭代次数
    
29. % nObj = 2;    % 目标个数
    
30. % nVar = 10;   % 未知量个数
    
31. % popmin = zeros(1, nVar);   % 最小取值范围
    
32. % popmax = ones(1, nVar);    % 最大取值范围
    
33. 
    
34. % testfun = @fun_DTLZ1;
    
35. % maxiter = 50;       % 迭代次数
    
36. % nObj = 3;    % 目标个数
    
37. % nVar = 10;   % 未知量个数
    
38. % popmin = zeros(1, nVar);   % 最小取值范围
    
39. % popmax = ones(1, nVar);    % 最大取值范围
    
40. 
    
41. testfun = @fun_DTLZ2;
    
42. maxiter = 50;       % 迭代次数
    
43. nObj = 3;    % 目标个数
    
44. nVar = 12;   % 未知量个数
    
45. popmin = zeros(1, nVar);   % 最小取值范围
    
46. popmax = ones(1, nVar);    % 最大取值范围
    
47. 
    
48. % testfun = @fun_SRN;
    
49. % maxiter = 50;       % 迭代次数
    
50. % nObj = 2;    % 目标个数
    
51. % nVar = 2;   % 未知量个数
    
52. % popmin = -20*ones(1, nVar);   % 最小取值范围
    
53. % popmax = 20*ones(1, nVar);    % 最大取值范围
    
54. 
    
55. % testfun = @fun_TNK;
    
56. % maxiter = 50;       % 迭代次数
    
57. % nObj = 2;    % 目标个数
    
58. % nVar = 2;   % 未知量个数
    
59. % popmin = 0*ones(1, nVar);   % 最小取值范围
    
60. % popmax = pi*ones(1, nVar);    % 最大取值范围
    
61. 
    
62. %% 初始化种群
    
63. x.Pos=[];             % 未知量的解
    
64. x.fitness=[];         % 粒子适应度值
    
65. x.Best.Pos=[];        % 最优解
    
66. x.Best.fitness=[];    % 最优解对应的适应度值--目标函数值
    
67. x.IsDominated=[];        % 是否非支配解，支配解=1, 非支配解=0
    
68. 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）
    
69. x.GridSubIndex=[];       % 每一个非支配解的网格化索引值（扩展取值范围内）
    
70. pop=repmat(x,sizepop,1); % 初始化的种群
    
71. clear x
    
72. for i=1:sizepop
    
73.     for j=1:nVar
    
74.         pop(i).Pos(j) = unifrnd(popmin(j),popmax(j),1);
    
75.     end
    
76.     % 适应度函数
    
77.     pop(i).fitness = testfun(pop(i).Pos);
    
78.     % 种群个体最优
    
79.     pop(i).Best.Pos=pop(i).Pos;
    
80.     % 种群最优适应度值
    
81.     pop(i).Best.fitness=pop(i).fitness;
    
82. end
    
83. 
    
84. % 确定种群之间是否存在支配解
    
85. pop=JudgePopDomination(pop);
    
86. % 然后获取非支配解
    
87. rep=pop(~[pop.IsDominated]);
    
88. % 扩展非支配解的适应度函数取值范围
    
89. Grid=CreateGrids(rep,nGrid,alpha);
    
90. % 计算扩展非支配解的GridIndex
    
91. for i=1:numel(rep)
    
92.     rep(i)=FindGridIndex(rep(i),Grid);
    
93. end
    
94. 
    
95. %% AFSA算法的多目标函数寻优主程序
    
96. for i=1:maxiter
    
97.     popFSA=[];
    
98.     popFSA = [pop.Pos];
    
99.     popFSA = [reshape(popFSA,nVar,sizepop)]';
    
100.     fitness=[];
     
101.     fitness = [pop.fitness];
     
102.     fitness = [reshape(fitness,nObj,sizepop)]';
     
103.    
     
104.     for j=1:sizepop
     
105.         Xi = popFSA(j,:);   % 当前的种群
     
106.         Yi = fitness(j,:);  % 当前种群对应的适应度值
     
107.         % 聚群行为
     
108.         [Xc,Yc] = FSA_center(testfun, Xi, Yi, popFSA,fitness, popmin, popmax, sizepop, visual, step, try_number, delta);
     
109.         % 追尾行为
     
110.         [Xs,Ys] = FSA_scatter(testfun, Xi,Yi, popFSA,fitness, popmin, popmax, sizepop, visual, step, try_number, delta);
     
111. 
     
112.         % 是否受支配
     
113.         if Domination2(Yc,Ys)
     
114.             pop(j).Pos = Xc;
     
115.             pop(j).fitness = Yc;
     
116.         else
     
117.             pop(j).Pos = Xs;
     
118.             pop(j).fitness = Ys;
     
119.         end
     
120.         
     
121.         % 是否受支配
     
122.         if Domination(pop(j),pop(j).Best)
     
123.             pop(j).Best.Pos=pop(j).Pos;
     
124.             pop(j).Best.fitness=pop(j).fitness;
     
125.         else
     
126.             if rand<0.5
     
127.                 pop(j).Best.Pos=pop(j).Pos;
     
128.                 pop(j).Best.fitness=pop(j).fitness;
     
129.             end
     
130.         end
     
131.         
     
132.     end
     
133.    
     
134.     % 增加非支配解
     
135.     rep =[rep; pop(~[pop.IsDominated])];
     
136.     % 非支配解是否有支配解
     
137.     rep=JudgePopDomination(rep);
     
138.     % 删除支配解
     
139.     rep=rep(~[rep.IsDominated]);
     
140.    
     
141.     % 扩展非支配解的适应度函数取值范围
     
142.     Grid=CreateGrids(rep,nGrid,alpha);
     
143.     for k=1:numel(rep)
     
144.         rep(k)=FindGridIndex(rep(k),Grid);
     
145.     end
     
146.    
     
147.     if nObj==2
     
148.         figure(1);
     
149.         Plotfitness(pop,rep);
     
150.         pause(0.001);
     
151.     elseif(nObj==3)
     
152.         figure(1);
     
153.         Plotfitness3(pop,rep);
     
154.         pause(0.001);
     
155.     end
     
156. end
     
157. % 确定种群之间是否存在支配解
     
158. pop=JudgePopDomination(pop);
     
159. rep = uniqueRep(rep);
     
160. if nObj==2
     
161.     figure(1);
     
162.     Plotfitness(pop,rep);
     
163. elseif( nObj==3)
     
164.     figure(1);
     
165.     Plotfitness3(pop,rep);
     
166. end
     
167. 
     
168. % web('halcom.cn')
     
169. rmpath(genpath('./TestCode'))

复制代码

优化后的追尾行为函数：

1. function [Xt,Yt] = FSA_scatter(testfun, Xi, Yi, pop, fitness, popmin,popmax, sizepop, visual, step, try_number, delta  )
   
2. % 追尾行为
   
3. % popmin1 = popminmax1(1);  popmax1 = popminmax1(2); % x1
   
4. % popmin2 = popminmax2(1);  popmax2 = popminmax2(2); % x2
   
5. 
   
6. % Xi = pop(j,:);    % 当前的种群
   
7. % Yi = fitness(j);  % 当前种群对应的适应度值
   
8. % for k=1:sizepop
   
9. %     d(k) = norm( Xi-pop(k,:) ,2);
   
10. % end
    
11. d = zeros( sizepop,1 );
    
12. for i=1:size(fitness, 2)
    
13.     [va,vb] = sort(fitness(:, i));
    
14.     for k=1:sizepop
    
15.         if(vb(k)==sizepop)
    
16.             d(k) = d(k) + abs( fitness(vb(k)-1, i) )./( max(fitness(:,i))-min(fitness(:,i))+eps );
    
17.         elseif( vb(k)==1 )
    
18.             d(k) = d(k) + abs( fitness(vb(k)+1, i) )./( max(fitness(:,i))-min(fitness(:,i))+eps );
    
19.         elseif(vb(k)>1 && vb(k)<sizepop )
    
20.             d(k) = d(k) + abs( fitness(vb(k)+1, i) - fitness(vb(k)-1, i) )./( max(fitness(:,i))-min(fitness(:,i))+eps );
    
21.         end
    
22.     end
    
23. end
    
24. 
    
25. [a,b] = find( d>0 & d<visual );
    
26. if(~isempty(b))
    
27.     Xc = zeros( size(pop(1,:)) );
    
28.     Ymax = 1000000*ones( size(fitness,2), 1 );
    
29.     Xmax = Xc;
    
30.     for k=1:length(b)
    
31.         Xc = pop(a(k),:);
    
32.         Yc = testfun( Xc );   % 适应度值
    
33.         % 是否受支配
    
34.         if Domination2(Yc,Ymax)
    
35. %         if Yc>Ymax
    
36.             Ymax = Yc;
    
37.             Xmax = Xc;
    
38.         end
    
39.     end
    
40. 
    
41. %     if Ymax/length(b) > delta*Yi
    
42.     % 是否受支配
    
43.     if Domination2(Ymax/length(b),delta*Yi')
    
44.         Xt = Xi + ( Xmax - Xi )./(norm(Xmax-Xi,2)+eps) .* step .*rand( size( Xi ) );
    
45.         Yt = testfun( Xt );   % 适应度值
    
46.     else
    
47.         % 觅食行为
    
48.         [Xt,Yt] = FSA_find(testfun, Xi, Yi, popmin, popmax, visual, step, try_number  );
    
49.     end
    
50. else
    
51.     % 觅食行为
    
52.     [Xt,Yt] = FSA_find(testfun, Xi, Yi, popmin, popmax, visual, step, try_number  );
    
53. end

复制代码

优化后的聚群行为函数如下：

1. function [Xt,Yt] = FSA_center(testfun, Xi, Yi, pop, fitness, popmin, popmax, sizepop, visual, step, try_number, delta  )
   
2. % 聚群行为
   
3. % popmin1 = popminmax1(1);  popmax1 = popminmax1(2); % x1
   
4. % popmin2 = popminmax2(1);  popmax2 = popminmax2(2); % x2
   
5. 
   
6. % Xi = pop(j,:);    % 当前的种群
   
7. % Yi = fitness(j);  % 当前种群对应的适应度值
   
8. % for k=1:sizepop
   
9. %     d(k) = norm( Xi-pop(k,:) ,2);
   
10. % end
    
11. d = zeros( sizepop,1 );
    
12. for i=1:size(fitness, 2)
    
13.     [va,vb] = sort(fitness(:, i));
    
14.     for k=1:sizepop
    
15.         if(vb(k)==sizepop)
    
16.             d(k) = d(k) + abs( fitness(vb(k)-1, i) )./( max(fitness(:,i))-min(fitness(:,i))+eps );
    
17.         elseif( vb(k)==1 )
    
18.             d(k) = d(k) + abs( fitness(vb(k)+1, i) )./( max(fitness(:,i))-min(fitness(:,i))+eps );
    
19.         elseif(vb(k)>1 && vb(k)<sizepop )
    
20.             d(k) = d(k) + abs( fitness(vb(k)+1, i) - fitness(vb(k)-1, i) )./( max(fitness(:,i))-min(fitness(:,i))+eps );
    
21.         end
    
22.     end
    
23. end
    
24. 
    
25. [a,b] = find( d>0 & d<visual );
    
26. if(~isempty(b))
    
27.     Xc = zeros( size(pop(1,:)) );
    
28.     for k=1:length(b)
    
29.         Xc = Xc+pop(b(k),:);
    
30.     end
    
31.     Xc = Xc./length(b);
    
32.     Yc = testfun( Xc );   % 适应度值
    
33. %     if Yc/length(b) > delta*Yi
    
34.     % 是否受支配
    
35.     if Domination2(Yc/length(b),delta*Yi')
    
36.         Xt = Xi + ( Xc - Xi )./(norm(Xc-Xi,2)+eps) .* step .*rand( size( Xi ) );
    
37.         Yt = testfun( Xt );   % 适应度值
    
38.     else
    
39.         % 觅食行为
    
40.         [Xt,Yt] = FSA_find(testfun, Xi, Yi, popmin, popmax, visual, step, try_number  );
    
41.     end
    
42. else
    
43.     % 觅食行为
    
44.     [Xt,Yt] = FSA_find(testfun, Xi, Yi, popmin, popmax, visual, step, try_number  );
    
45. end

复制代码

快速排序法构造非支配集：

1. function pop = JudgePopDomination(pop)
   
2. sizepop = numel(pop);  % 种群数量
   
3. for i=1:sizepop
   
4.     pop(i).IsDominated=0;
   
5. end
   
6. 
   
7. for i=1:sizepop-1
   
8.     for j=i+1:sizepop
   
9.         b1 = Domination(pop(i),pop(j));
   
10.         b2 = Domination(pop(j),pop(i));
    
11.         if b1==1
    
12.             pop(j).IsDominated=1;
    
13.         end
    
14.         if b2==1
    
15.             pop(i).IsDominated=1;
    
16.         end
    
17.     end
    
18. end
    

复制代码

结果如下：

小雅xmy

请问是一个算法视频38元吗

Halcom

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

example

感谢算法样例