40人工蜂群算法ABC的Pareto多目标函数优化--视频讲解

Halcom

40人工蜂群算法ABC的Pareto多目标函数优化--视频讲解
百度网盘链接：http://pan.baidu.com/s/1nuXLb77
参考链接：http://halcom.cn/forum.php?mod=v ... age=1&extra=#pid429
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

具体的代码如下:

1. % 人工蜂群算法Pareto多目标函数寻优
   
2. % ABC算法
   
3. clc,clear,close all
   
4. warning off
   
5. format longG
   
6. % web('halcom.cn')
   
7. global nObj
   
8. nObj = 2;   % 2个目标
   
9. nVar = 2;   % 2个未知量
   
10. addpath( genpath( './code' ) )
    
11. % ABC 参数初始化
    
12. maxiter = 100;   % 迭代次数
    
13. sizepop = 100;  % 种群数量
    
14. popmin1 = -1;  popmax1 = 1; % x1
    
15. popmin2 = -1;  popmax2 = 1; % x2
    
16. trail(1:sizepop,1) = 0;     % 未找到更优解的迭代次数
    
17. limit = sizepop;            % 拖尾最大次数
    
18. % Pareto
    
19. repository = 50;    % 非支配解种群数量
    
20. nGrid=7;            % 每个目标函数解集域的扩展网格大小，单周期数
    
21. alpha=0.1;          % 非支配解的解集的扩展因子
    
22. beta=2;             % 非支配解的选择因子
    
23. 
    
24. % 初始化种群
    
25. x.Pos=[];             % 未知量的解
    
26. x.fitness=[];         % 粒子适应度值
    
27. x.IsDominated=[];        % 是否非支配解，支配解=1, 非支配解=0
    
28. 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）
    
29. x.GridSubIndex=[];       % 每一个非支配解的网格化索引值（扩展取值范围内）
    
30. pop=repmat(x,sizepop,1); % 初始化的种群
    
31. clear x
    
32. for i=1:sizepop
    
33.     pop(i).Pos(1) = unifrnd(popmin1,popmax1,1);
    
34.     pop(i).Pos(2) = unifrnd(popmin2,popmax2,1);
    
35.     % 适应度函数
    
36.     pop(i).fitness = fun(pop(i).Pos);
    
37. end
    
38. % 确定种群之间是否存在支配解
    
39. pop=JudgePopDomination(pop);
    
40. % 然后获取非支配解
    
41. rep=pop(~[pop.IsDominated]);
    
42. % 扩展非支配解的适应度函数取值范围
    
43. Grid=CreateGrids(rep,nGrid,alpha);
    
44. % 计算扩展非支配解的GridIndex
    
45. for i=1:numel(rep)
    
46.     rep(i)=FindGridIndex(rep(i),Grid);
    
47. end
    
48. 
    
49. % 迭代寻优
    
50. for i=1:maxiter
    
51.     % 采蜜峰开始工作
    
52.     for j=1:sizepop
    
53.         % 选择采蜜的个体
    
54.         x2y = randi(2);   % 两个未知数
    
55.         % 选择相连的种群
    
56.         neighbour = randi(sizepop);  
    
57.         % neighbour != j
    
58.         while( neighbour==j  )
    
59.             neighbour = randi(sizepop);
    
60.         end
    
61.         
    
62.         % 种群更新（解）
    
63.         tempx = pop(j).Pos;  % 当前的解
    
64.         tempx(x2y) = pop(j).Pos(x2y) + ( pop(j).Pos(x2y)-pop(neighbour).Pos(x2y) )*(rand-0.5)*2;
    
65.         
    
66.         % 蜜蜂取值范围约束
    
67.         tempx(1) = max(tempx(1), popmin1);
    
68.         tempx(1) = min(tempx(1), popmax1);
    
69.         tempx(2) = max(tempx(2), popmin2);
    
70.         tempx(2) = min(tempx(2), popmax2);
    
71.         
    
72.         % 适应度更新
    
73.         temp_fitness = fun( tempx );  % 当前的适应度函数值--目标函数值--最小目标函数值
    
74.         
    
75.         NewSol.Pos = tempx;
    
76.         NewSol.fitness = temp_fitness;
    
77.         
    
78.         % 是否受支配
    
79.         if Domination(NewSol,pop(j))
    
80.             pop(j).Pos=NewSol.Pos;
    
81.             pop(j).fitness=NewSol.fitness;
    
82.         else
    
83.             if rand<0.5
    
84.                 pop(j).Pos=NewSol.Pos;
    
85.                 pop(j).fitness=NewSol.fitness;
    
86.             end
    
87.         end
    
88.     end
    
89.    
    
90.     fitnessABC=[];
    
91.     fitnessABC= [pop.fitness];
    
92.     fitnessABC = [reshape(fitnessABC, nObj,sizepop )]';
    
93.     % 观察峰
    
94.     % 计算概率
    
95.     prob = 0.9*sum(fitnessABC,2)./max(sum(fitnessABC,2)) + 0.1;
    
96.     for j=1:sizepop
    
97.         if(rand<prob(j))
    
98.             
    
99.             % 选择采蜜的个体
    
100.             x2y = randi(2);   % 两个未知数
     
101.             % 选择相连的种群
     
102.             neighbour = randi(sizepop);  
     
103.             % neighbour != j
     
104.             while( neighbour==j  )
     
105.                 neighbour = randi(sizepop);
     
106.             end
     
107. 
     
108.             % 种群更新（解）
     
109.             tempx = pop(j).Pos;  % 当前的解
     
110.             tempx(x2y) = pop(j).Pos(x2y) + ( pop(j).Pos(x2y)-pop(neighbour).Pos(x2y) )*(rand-0.5)*2;
     
111. 
     
112.             % 蜜蜂取值范围约束
     
113.             tempx(1) = max(tempx(1), popmin1);
     
114.             tempx(1) = min(tempx(1), popmax1);
     
115.             tempx(2) = max(tempx(2), popmin2);
     
116.             tempx(2) = min(tempx(2), popmax2);
     
117. 
     
118.             % 适应度更新
     
119.             temp_fitness = fun( tempx );  % 当前的适应度函数值--目标函数值--最小目标函数值
     
120. 
     
121.             NewSol.Pos = tempx;
     
122.             NewSol.fitness = temp_fitness;
     
123. 
     
124.             % 是否受支配
     
125.             if Domination(NewSol,pop(j))
     
126.                 pop(j).Pos=NewSol.Pos;
     
127.                 pop(j).fitness=NewSol.fitness;
     
128.             else
     
129.                 if rand<0.5
     
130.                     pop(j).Pos=NewSol.Pos;
     
131.                     pop(j).fitness=NewSol.fitness;
     
132.                 end
     
133.                 trail(j) = trail(j)+1;
     
134.             end
     
135.         end
     
136.     end
     
137.    
     
138.     % 侦察峰开始工作
     
139.     [maxTrial, index] = max(trail);
     
140.     index = index(1);
     
141.     if(maxTrial(1)>limit)
     
142.         pop(index).Pos(1) = unifrnd(popmin1,popmax1,1);
     
143.         pop(index).Pos(2) = unifrnd(popmin2,popmax2,1);
     
144.         % 适应度函数
     
145.         pop(index).fitness = fun(pop(i).Pos);
     
146.     end
     
147.    
     
148.     figure(1);
     
149.     Plotfitness2(pop,rep);
     
150.     pause(0.001)
     
151. end
     
152. % 确定种群之间是否存在支配解
     
153. pop=JudgePopDomination(pop);
     
154. % 增加非支配解
     
155. rep =[rep; pop(~[pop.IsDominated])];
     
156. rep = uniqueRep(rep);
     
157. figure(1);
     
158. Plotfitness2(pop,rep);
     
159. 
     
160. % 最优结果
     
161. for i=1:size( rep,1 )
     
162.     zbest_sol(i,:) = rep(i).Pos;
     
163.     if i==1
     
164.         fprintf('\n')
     
165.         disp('ABC多目标计算的第一组结果如下：')
     
166.         disp(['x1 = ',num2str(zbest_sol(i,1))])
     
167.         disp(['x2 = ',num2str(zbest_sol(i,2))])
     
168.         disp(['最优适应度值为  ',num2str([rep(i).fitness]')])
     
169.         fprintf('\n')
     
170.     else
     
171.         disp('ABC多目标计算结果有多个Pareto解集')
     
172.     end
     
173. end
     
174. 
     
175. rmpath(genpath('./code'))

复制代码

huwenping

人工蜂群算法ABC的Pareto多目标函数优化，谢分享！

醉生梦死2017

看看看看看看看

mzch

谢谢分享，多谢

hellohello

很有用，多谢！好人一生平安！

lancelotli

人工蜂群算法ABC的Pareto多目标函数优化，谢分享

东晶石材

蜂群算法ABC的Pareto多目标

wht1129838255

谢谢分享！！！！！！！！！！！！！！！！！

小鸡撞火车

谢谢楼主，特别有用喜欢

baymax

该算法中 迭代次数maxiter 和 种群数量sizepop  什么关系，为什么当迭代次数>种群数量时，会出现索引越界现象