多目标优化算法:多目标人工兔优化算法(Multi-Objective Artificial Rabbits Optimization ,MOARO)
一、人工兔优化算法算法简介
人工兔优化算法(Artificial Rabbits Optimization ,ARO)由Liying Wang等人于2022年提出,该算法模拟了兔子的生存策略,包括绕道觅食和随机躲藏,并通过能量收缩在两种策略之间转换。绕道觅食策略迫使兔子吃其他兔子巢附近的草,这可以防止它的巢穴被捕食者发现。随机隐藏策略使兔子能够从自己的洞穴中随机选择一个洞穴进行隐藏,这可以减少被敌人捕获的可能性。此外,兔子的能量收缩将导致从绕道觅食策略过渡到随机隐藏策略。
ARO算法描述:
ARO算法流程:
参考文献: Liying Wang, Qingjiao Cao, Zhenxing Zhang, et al. Artificial rabbits optimization: A new bio-inspired meta-heuristic algorithm for solving engineering optimization problems[J]. Engineering Applications of Artificial Intelligence, 2022, 114: 105082.
二、多目标人工兔优化算法算法简介
多目标人工兔优化算法(Multi-Objective Artificial Rabbits Optimization ,MOARO)由人工兔优化算法的优良策略与多目标优化思想融合而成。为了验证所提的MOARO的有效性,将其在46个多目标测试函数(ZDT1、ZDT2、ZDT3、ZDT4、ZDT6、DTLZ1-DTLZ7、WFG1-WFG10、UF1-UF10、CF1-CF10、Kursawe、Poloni、Viennet2、Viennet3)以及1个工程应用(盘式制动器设计)上实验,并采用IGD、GD、HV、SP进行指标评价。部分结果如下:
close all;
clear ;
clc;
%%
% TestProblem测试问题说明:
%一共46个多目标测试函数,详情如下:
%1-5:ZDT1、ZDT2、ZDT3、ZDT4、ZDT6
%6-12:DTLZ1-DTLZ7
%13-22:wfg1-wfg10
%23-32:uf1-uf10
%33-42:cf1-cf10
%43-46:Kursawe、Poloni、Viennet2、Viennet3
%47 盘式制动器设计(工程应用)
%%
TestProblem=1;%1-47
MultiObj = GetFunInfo(TestProblem);
MultiObjFnc=MultiObj.name;%问题名
% Parameters
params.Np = 100; % Population size
params.Nr = 200; % Repository size
params.maxgen =200; % Maximum number of generations
params.ngrid = 30; % Number of grids in each dimension
params.maxvel = 5; % Maxmium vel in percentage
% MOARO
REP = MOARO(params,MultiObj);
ZDT1:
ZDT2:
ZDT3:
ZDT4:
ZDT6:
DTLZ6:
盘式制动器设计:
三、完整代码请添加博客下方博主微信
多目标优化算法:多目标人工兔优化算法(Multi-Objective Artificial Rabbits Optimization ,MOARO)相关推荐
- 智能优化算法:人工兔优化算法-附代码
智能优化算法:人工兔优化算法 摘要:人工兔优化算法( [Artificial rabbits optimization,RSO)是 Liying Wang等 于 2022 年提出的一种新型元启发式优化 ...
- 多目标优化算法:基于非支配排序的人工兔优化算法(Non-Dominated Sorting Artificial Rabbits Optimization ,NSARO)
一.人工兔优化算法算法简介 人工兔优化算法(Artificial Rabbits Optimization ,ARO)由Liying Wang等人于2022年提出,该算法模拟了兔子的生存策略,包括绕道 ...
- 单目标应用:求解单仓库多旅行商问题(Single-Depot Multiple Travelling Salesman Problem, SD-MTSP)的人工兔优化算法ARO
一.算法简介 人工兔优化算法(Artificial Rabbits Optimization ,ARO)由Liying Wang等人于2022年提出,该算法模拟了兔子的生存策略,包括绕道觅食和随机躲藏 ...
- 基于人工兔优化算法的函数寻优和工程优化
文章目录 一.理论基础 1.人工兔优化算法 (1)绕道觅食(探索) (2)随机躲藏(开发) (3)能量收缩(从探索转向开发) 2.ARO算法伪代码 二.仿真实验与结果分析 1.函数寻优 2.工程优化 ...
- 多目标人工秃鹫优化算法(MATLAB源码分享,智能优化算法) 提出了一种多目标版本的人工秃鹫优化算法(AVOA)
多目标人工秃鹫优化算法(MATLAB源码分享,智能优化算法) 提出了一种多目标版本的人工秃鹫优化算法(AVOA),用于多目标优化问题. AVOA的灵感来源于非洲秃鹫的生活方式. 档案.网格和领导者选择 ...
- 【智能优化算法-人工蜂鸟算法】基于人工蜂鸟算法求解多目标优化问题附matlab代码MOAHA
1 内容介绍 在这项工作中提出了一种新的仿生优化算法,称为人工蜂鸟算法(AHA)来解决优化问题. AHA算法模拟自然界中蜂鸟的特殊飞行技能和智能觅食策略.模拟了觅食策略中使用的三种飞行技能,包括轴向. ...
- c语言实现多目标优化,MOPSO 多目标例子群优化算法
近年来,基于启发式的多目标优化技术得到了很大的发展,研究表明该技术比经典方法更实用和高效.有代表性的多目标优化算法主要有NSGA.NSGA-II.SPEA.SPEA2.PAES和PESA等.粒子群优化 ...
- 机器学习的优化目标、期望最大化(Expectation-Maximum, EM)算法、期望最大化(EM)和梯度下降对比
机器学习的优化目标.期望最大化(Expectation-Maximum, EM)算法.期望最大化(EM)和梯度下降对比 目录
- 多目标粒子群优化算法_基于粒子群优化的投资组合优化研究
原文链接: 基于粒子群优化的投资组合优化研究tecdat.cn 我今年的研究课题是使用粒子群优化(PSO)的货币进位交易组合优化.在本文中,我将介绍投资组合优化并解释其重要性.其次,我将演示粒子群优 ...
最新文章
- 第一届全国计算社会科学高端论坛在清华大学举行
- verdi使用linux命令,verdi工具的使用
- 未能找到路径的一部分_车辆路径规划三种MIP模型
- 操作系统(八)进程状态的转换以及进程组织方式
- R语言实现描述性统计
- mybatis postgresql insert后返回自增id
- mysql 获取天数_MySQL获取某月份的天数
- 为什么是 OnDraw(CDC* /*pDC*/) 而不是 OnDraw(CDC* pDC)
- 中国通用电阻器市场趋势报告、技术动态创新及市场预测
- php过去文件夹总数,用php获取文件夹内文件的数量
- android组件的下拉回弹,转:Android可以下拉/上拉回弹的ListView原理
- 解决移动端两端布局的input+fixed的bug
- PostgreSQL客户端安装
- kx linux驱动下载,创新5.1声卡驱动kX Project Audio DriverV5.1免费版下载 - 下载吧
- (一)文件系统-ext4特性
- 速率法和终点法的区别_两点法终点法速率法.doc
- 陆奇加入拼多多,担任技术委员会主席!
- 源IP源MAC目的IP目的MAC,在整个网络中的变化
- 【Web项目测试访问遇到404错误的相关解决办法】
- 记录一次并发情况下的redis导致服务假死的问题