前言

之前写过在python中的多目标遗传算法了，但是很可惜的是python调用商用有限元软件比较费事，需要在ironpython的编译环境下调用，然后这个ironpython它又是个老古董，不支持pandas和numpy这些python必备的第三方库（内心是崩溃的）。没办法，被迫向matlab低头。从头学起来吧，好在有了python的基础学matlab也是比较容易的。

代码实现

这个代码水平写得比较low，毕竟我刚学matlab，多多包含。相关的理论说明在我之前的博客中给出了，在此就不赘述了，理论说明贴个链接：

Python_多目标遗传算法_入门学习+代码实现

直接上代码了哈。首先是两个待优化的函数。

function y=fun1(x)
%optimal function one
y=(x-1)^2;
end

function y=fun2(x)
%optimal function two
y=cos(x);
end

接着就是算法进化过程了：

%%get initial parameter
NP=70;
L=10;
Pc=0.8;
Pm=0.2;
G=30;        %迭代次数
Xs=pi/2;
Xx=0;
%% generate Primary population
f=randi([0,1],NP,L);
x=zeros(1,NP*2);
tempx=zeros(1,NP*2);
f1trace=[];
f2trace=[];
%% begin to Iteration
for i=1:1:Gdisp([i]);%pause(10);f1=zeros(1,NP*2);f2=zeros(1,NP*2);nf=f;for M=1:2:NPp=rand();if p<Pcq=randi([0,1],1,L);for j=1:1:Lif q(j)==1tempsize=nf(M+1,j);nf(M+1,j)=nf(M,j);nf(M,j)=tempsize;endendendendj=1;while j<=NP*Pmh=randi(NP);for k=1:1:round(NP*Pm)g=randi(L);nf(h,g)=~nf(h,g);endj=j+1;endnewf=[f;nf];           %垂直方向合并两个矩阵tempsize=size(newf);for j = 1:1:tempsize(1)U=newf(j,:);m=0;for k =1:1:Lm=U(k)*2^(k-2)+m;endx(j)=Xx+m*(Xs-Xx)/(2^(L-1));f1(j)=func(x(j));f2(j)=func1(x(j));   %f1,f2都是预先分配好内存了的，避免了append的使用endlenfs=length(f1)*2;fs=zeros(1,lenfs);for j=1:2:lenfsfs(j)=f1((j+1)/2);fs(j+1)=f2((j+1)/2);endfs=reshape(fs,2,lenfs/2);ps=zeros(length(f1),length(f1));for k =1:1:length(f1)for j = 1:1:length(f1)if fs(1,k)<fs(1,j) && fs(2,k)<fs(2,j)ps(k,j)=1;elseif fs(1,k)<fs(1,j) && fs(2,k)==fs(2,j)ps(k,j)=1;elseif fs(1,k)==fs(1,j) && fs(2,k)<fs(2,j)ps(k,j)=1;endendendjishu=zeros(1,length(f1));       %问题记录，把数值大的点筛出来了的，判断语句没问题，但是结果中for k = 1:1:length(f1)           %又出现数值大的点了，这些点从何处来？tempa=0;for j = 1:1:length(f1)if ps(j,k)==1tempa=tempa+1;endendjishu(k)=tempa;end[num,index]=sort(jishu);uninum=unique(num);     %向量去重front=cell(1,length(uninum));for k =1:1:length(uninum)temmat=[];for j =1:1:length(index)if num(j)==uninum(k)temmat=[temmat,index(j)];  %记录对应索引endendfront{k}=temmat;endf=[];for j = 1:1:length(front)if length(f)==NPbreakendtempf=[];for k=1:1:length(front{j})tempf=[tempf;newf(front{j}(k),:)];endtempf1=[];tempf2=[];[widtemf,wif_]=size(tempf);for M = 1:1:widtemfU=tempf(M,:);m=0;for k =1:1:Lm=m+U(k)*(2^(k-2));endxtemp=Xx+m*(Xs-Xx)/(2^(L-1));tempf1=[tempf1,func(xtemp)];tempf2=[tempf2,func1(xtemp)];end[temp1sort,temp1index]=sort(tempf1);distance=zeros(1,length(tempf1));distance(temp1index(1))=inf;distance(temp1index(end))=-inf;for k=1:1:length(temp1index)-1if abs(distance(temp1index(k)))<10distace(temp1index(k))=(tempf1(temp1index(k+1))-tempf1(temp1index(k-1)))/(max(tempf1)-min(tempf1));elsecontinueendend[temp2sort,temp2index]=sort(tempf2);distance1=zeros(1,length(tempf2));distance1(temp2index(1))=inf;distance1(temp2index(end))=-inf;for k=1:1:length(temp2index)-1if abs(distance1(temp2index(k)))<10distace1(temp2index(k))=(tempf2(temp2index(k+1))-tempf2(temp2index(k-1)))/(max(tempf2)-min(tempf2));elsecontinueendendsumdis=[];for k =1:1:length(distance)sumdistance=distance(k)+distance1(k);sumdis=[sumdis,sumdistance];end[dis_,disindex]=sort(sumdis,'descend');for k=1:1:length(sumdis)f=[f;tempf(disindex(k),:)];if length(f)==NPbreakendend
%         f=reshape(f,length(f)/L,L);f1=[];f2=[];[lenf,wid_]=size(f);for j=1:1:lenfU=f(j,:);m=0;for k =1:1:Lm=m+U(k)*(2^(k-2));endx(j)=Xx+m*(Xs-Xx)/(2^(L-1));f1=[f1,func(x(j))];f2=[f2,func1(x(j))];endendname=['F:/单轨吊驱动电机/maxwell调用/测试/pic/','pareto',num2str(i),'.png']; %保存图片到指定文件夹并命名plot(f1,f2,'o','MarkerSize',7);set(gca,'FontName','Times New Roman');grid ontitle('优化前沿曲线','FontName','宋体');xlabel('f1value')ylabel('f2value')saveas(gcf, name);
end

最后的话

代码的确写得比较不堪入目，但是结果是好的，功能可以保证实现。

第一代优化结果：

第30代结果：

再多说两句，之前一直用python，就不想去学matlab，限制在自己的舒服区了，之后还是要多尝试尝试，不能一直止步不前。

matlab_多目标遗传算法相关推荐

基于帕累托的多目标遗传算法优化的原理与 Python 实现
文章目录帕累托多目标遗传算法代码实现排序函数查找所需索引函数 Pareto 法得到帕累托前沿函数拥挤度计算从父代和子代中选择下一个父代帕累托多目标遗传算法在优化领域,遗传算法绝对占得上 ...
MATLAB代码：基于多目标遗传算法的分布式电源选址定容研究
关键词:选址定容分布式电源多目标遗传算法参考文档:<Optimal Siting and Sizing of Distributed Generation in Radial Distr ...
多目标遗传算法NSGA-II原理详解及算法实现
在接触学习多目标优化的问题上,经常会被提及到多目标遗传算法NSGA-II,网上也看到了很多人对该算法的总结,但真正讲解明白的以及配套用算法实现的文章很少,这里也对该算法进行一次详解与总结.会有侧重点的 ...
多目标遗传算法及MATLAB代码
需要求一个比较复杂的矩阵,一般方法解不出来,故尝试用多目标遗传算法(Multiobjective Genetic Algorithm)求解.不是专门做研究遗传算法的,根据自己需求进行了简单学习,并做如 ...
【搞搞算法】多目标遗传算法NSGA-II的C语言代码使用手册
这是2014年4月在其他博客写的,转帖到CSDN博客上. 在之前的博文里提到过,多目标遗传算法NSGA-II的提出者之一--Kalyanmoy Deb教授实验室的网站http://www.iitk.a ...
多目标遗传算法NSGA
多目标遗传算法NSGA 因所读的一篇论文中,为了解决多目标的最优解问题,作者使用了一种称为NSGA-II(Improved Non-dominated Sorting Genetic Algorith ...
基于多目标遗传算法的IEEE14节点系统分布式电源选址定容matlab程序
基于多目标遗传算法的IEEE14节点系统分布式电源选址定容matlab程序摘要: 为更好地解决分布式电源选址定容问题,提出一种改进的多目标遗传算法.之后,考虑投资成本.网损以及电压稳定性三因素建立 ...
多目标遗传算法电力系统系统分布式电源选址定容
多目标遗传算法电力系统系统分布式电源选址定容(matlab程序) 基于IEEE14节点的电力系统多目标优化的遗传算法分布式电源选址定容对于网损.容量和.电压稳定值的目标优化出来的选址定容分为有DG ...
多目标遗传算法NSGAII求解环境经济调度（Python代码实现）
目录 1 电力系统环境经济调度数学模型 2 算例--IEEE10节点 2.1 数据 2.2 Python代码学习 3 一点拓展知识 1 电力系统环境经济调度数学模型 2 算例--IEEE10节点 ...
基于改进多目标遗传算法的城市轨道列车运行控制曲线优化研究
摘要:构建多目标改进遗传算法求解城市轨道列车运行仿真模型,求出最优运行曲线.在列车控制系统中,运行方式的转换点是基因编码的基础,由多个基因组成的染色体代表一个控制方案,通过这种方式可以形成初始种群.根 ...

matlab_多目标遗传算法

前言

代码实现

最后的话

matlab_多目标遗传算法相关推荐

最新文章

热门文章