介绍

前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击跳转到网站
目前的多目标优化算法有很多， Kalyanmoy Deb的带精英策略的快速非支配排序遗传算法（ nondominated sorting genetic algorithm Il,NSGA-I）无疑是其中应用最为广泛也是最为成功的一种。


clc;clear;
tic;
%% 初始化
PopSize=200;%种群大小
MaxIteration =300;%最大迭代次数
R=50;
location1=load('location1_100.txt');%优化100个城市
location2=load('A_location2_100.txt');
% location1=load('location1.txt');
% location2=load('location2.txt');
CityNum =size(location1,2);%城市数
V=CityNum;
M=2;
pc=0.8;pm=0.9;
for i=1:PopSizechromosome(i,1:CityNum)=randperm(CityNum);chromosome(i,CityNum+1:CityNum+2)=costfunction(chromosome(i,1:CityNum),location1,location2);
end
chromosome= non_domination_sort_mod(chromosome);%将解分  最后一列为拥挤度 倒数第二列为分级数
index=find(chromosome(:,103)==1);
costrep=chromosome(index,101:102);%第一级即非劣解%% 主循环
pool = round(PopSize/2);  %突变池规模for Iteration=1:MaxIterationif ~mod(Iteration,10)fprintf('current iter:%d\n',Iteration)disp([' Number of Repository Particles = ' num2str(size(costrep,1))]);endparent_chromosome = selection_individuals(chromosome,pool,2);parent_var=parent_chromosome(:,1:CityNum);%分离出解向量%% 交叉offspring_var=[];offspring_cost=[];for ic=1:pool/2m1=randi(pool);%选出交叉向量m2=randi(pool);while m1==m2m1=randi(pool);endscro(1,:)=parent_var(m1,:);scro(2,:)=parent_var(m2,:);if rand<pcc1=randi(CityNum);%选出交叉位置c2=randi(CityNum);while c1==c2c1=randi(CityNum);endchb1=min(c1,c2);chb2=max(c1,c2);middle=scro(1,chb1+1:chb2);scro(1,chb1+1:chb2)=scro(2,chb1+1:chb2);scro(2,chb1+1:chb2)=middle;for i=1:chb1while find(scro(1,chb1+1:chb2)==scro(1,i))zhi=find(scro(1,chb1+1:chb2)==scro(1,i));y=scro(2,chb1+zhi);scro(1,i)=y;endwhile find(scro(2,chb1+1:chb2)==scro(2,i))zhi=find(scro(2,chb1+1:chb2)==scro(2,i));y=scro(1,chb1+zhi);scro(2,i)=y;endendfor i=chb2+1:CityNumwhile find(scro(1,1:chb2)==scro(1,i))zhi=find(scro(1,1:chb2)==scro(1,i));y=scro(2,zhi);scro(1,i)=y;endwhile find(scro(2,1:chb2)==scro(2,i))zhi=find(scro(2,1:chb2)==scro(2,i));y=scro(1,zhi);scro(2,i)=y;endendendif rand<pm%逆序变异m1=randi(CityNum);m2=randi(CityNum);while m1==m2m1=randi(CityNum);endloc1=min(m1,m2);loc2=max(m1,m2);scro(1,loc1:loc2)=fliplr(scro(1,loc1:loc2));%             tt=scro(1,m2);%             scro(1,m2)=scro(1,m1);%             scro(1,m1)=tt;endif rand<pm%对换变异m1=randi(CityNum);m2=randi(CityNum);while m1==m2m1=randi(CityNum);endtt=scro(2,m2);scro(2,m2)=scro(2,m1);scro(2,m1)=tt;endscro_cost(1,:)=costfunction(scro(1,:),location1,location2);scro_cost(2,:)=costfunction(scro(2,:),location1,location2);offspring_var=[offspring_var;scro];%解offspring_cost=[offspring_cost;scro_cost];%适应度endoffspring_chromosome(:,1:V)=offspring_var;offspring_chromosome(:,V+1:V+M)=offspring_cost;main_pop = size(chromosome,1);offspring_pop = size(offspring_chromosome,1);intermediate_chromosome(1:main_pop,:) = chromosome;intermediate_chromosome(main_pop + 1 :main_pop + offspring_pop,1 : M+V) = ...offspring_chromosome;intermediate_chromosome = ...non_domination_sort_mod(intermediate_chromosome);%% 选择chromosome = replace_chromosome(intermediate_chromosome,PopSize);index=find(intermediate_chromosome(:,103)==1);costrep=intermediate_chromosome(index,101:102);cost=intermediate_chromosome(:,101:102);if ~mod(Iteration,1)figure (1)plot(costrep(:,1),costrep(:,2),'r*',cost(:,1),cost(:,2),'kx');xlabel('F1');ylabel('F2');title(strcat('Interaction ',num2str(Iteration), ' Pareto non-dominated solutions'));%          hold onendif ~mod(Iteration,MaxIteration)%             if ~mod(Iteration,1)fun_pf=costrep;[fun_pf,~]=sortrows(fun_pf,1);plot(fun_pf(:,1),fun_pf(:,2),'k*-');title(strcat('Interaction ',num2str(Iteration), ' Pareto non-dominated solutions'));hold on;grid on;end
end

运行过程

运行结果

如需帮助VX：zhangshu2274
代码下载链接

matlab基于遗传算法的多目标优化算法（附代码获取方法）相关推荐

《MATLAB智能算法30个案例》：第9章基于遗传算法的多目标优化算法
<MATLAB智能算法30个案例>:第9章基于遗传算法的多目标优化算法 1. 前言 2. MATLAB 仿真示例 3. 小结 1. 前言 <MATLAB智能算法30个案例分析> ...
基于遗传算法的多目标优化算法（附代码案例）
一.理论基础多目标优化问题可以描述如下: 其中,f(x) 为待优化的目标函数:x 为待优化的变量:lb 和 ub 分别为变量 x 的下限和上限约束:Aeq * x = beq 为变量 x 的线性等 ...
基于透镜成像学习策略的灰狼优化算法-附代码
基于透镜成像学习策略的灰狼优化算法文章目录基于透镜成像学习策略的灰狼优化算法 1.灰狼优化算法 2.基于透镜成像学习的 GWO 算法 2.1修改控制参数*C*策略 2.2 透镜成像反向学习策略 3 ...
基于柯西变异的蚁狮优化算法 - 附代码
基于柯西变异的蚁狮优化算法文章目录基于柯西变异的蚁狮优化算法 1.蚁狮优化算法 2. 改进蚁狮优化算法 2.1 基于柯西变异算子改进 3.实验结果 4.参考文献 5.Matlab代码 6.Pyth ...
基于Levy飞行的飞蛾扑火优化算法-附代码
基于Levy飞行的飞蛾扑火优化算法文章目录基于Levy飞行的飞蛾扑火优化算法 1.飞蛾扑火优化算法 2. 改进飞蛾扑火优化算法 2.1 Lévy 飞行 3.实验结果 4.参考文献 5.Matlab ...
基于麻雀搜索算法的同步优化特征选择 - 附代码
基于麻雀搜索算法的同步优化特征选择 - 附代码文章目录基于麻雀搜索算法的同步优化特征选择 - 附代码 1.数据集 2.SVM模型建立 3.麻雀搜索算法同步优化特征选择 4.测试结果 5.参考文献: ...
智能优化算法：正余弦优化算法-附代码
智能优化算法:正余弦优化算法-附代码文章目录智能优化算法:正余弦优化算法-附代码 1.算法原理 2.算法流程 3.算法结果 4.参考文献 5.MATLAB代码 6.Python代码摘要:正余 ...
智能优化算法：多元宇宙优化算法-附代码
智能优化算法:多元宇宙优化算法-附代码文章目录智能优化算法:多元宇宙优化算法-附代码 1.算法原理 2.算法流程图 3.算法结果 4.参考文献 5.MATLAB代码 6.python代码摘要:多 ...
智能优化算法：蚁狮优化算法-附代码
智能优化算法:蚁狮优化算法-附代码文章目录智能优化算法:蚁狮优化算法-附代码 1.算法原理 1.1 蚂蚁的随机游走 1.2蚁狮对蚂蚁随机游走的影响 1.3自适应机制 1.4 精英策略 2.算法步骤 ...

matlab基于遗传算法的多目标优化算法（附代码获取方法）

介绍

运行过程

运行结果

matlab基于遗传算法的多目标优化算法（附代码获取方法）相关推荐

最新文章

热门文章