【优化求解】基于多元宇宙MVO算法求解多目标matlab代码
1 简介
MVO算法源于多元宇宙理论,该理论认为:多元宇宙源于宇宙大爆炸,每一个宇宙都存在一个膨胀率使其膨胀,宇宙间存在黑洞和白洞,黑洞引力很大能够通过虫洞链接到另一个时空,黑洞会吸入所有物质甚至光,白洞就是由黑洞吸收过多物质后而开始吐出的物质。MVO算法依据多元宇宙理论的3个主要概念:白洞、黑洞和虫洞来建立数学模型,定义候选解为宇宙,候选解的适应度为宇宙的膨胀率。迭代过程中,每一个候选解为黑洞,适应度好的宇宙依轮盘赌原理成为白洞,黑洞和白洞交换物质(维度更换),部分黑洞可以通过虫洞链接穿越到最优宇宙附近(群体最优附近搜索)。本文绘出多元宇宙优化内部循环结构的逻辑流程,如图1所示。
2 部分代码
%______________________________________________________________________________________ % Multi-Objective Multi-Verse Optimization (MOMVO) algorithm source codes version 1.0 %%______________________________________________________________________________________clear all; close all; clc; format long g% Initial parameters of the MODA algorithm max_iter=100; N=100; ArchiveMaxSize=100; obj_no=2; Archive_F1=load('weldedbeam.txt'); %-------------------------- MOMVO ----------------------------------------- for i=1:5 % Numbver of independent runs[Best_universe_score,Best_universe_pos,Archive_F]=MOMVO(max_iter,N,ArchiveMaxSize);%% using the matlab codes for calculating metric values hv = hypeIndicatorExact8(Archive_F, ones(1, obj_no), obj_no); gd = GD_matlab(Archive_F, Archive_F1); epsilonNew = epsilon_matlab(Archive_F, Archive_F1); spread = Spread_matlab(Archive_F, Archive_F1); generalizedspread = GeneralizedSpread_matlab(Archive_F, Archive_F1); igd = IGD_matlab(Archive_F, Archive_F1); disp(['hv = ' num2str(hv) ' GD = ' num2str(gd) ' epsilon = ' num2str(epsilonNew) ' Spread = ' num2str(spread) ' GSpread = ' num2str(generalizedspread) ' IGD = ' num2str(igd) ]); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% GD=Generational_distance(Archive_F,Archive_F1); S=metric_of_spacing(Archive_F); DELTA= Diversity_metric_delta(Archive_F,Archive_F1); MS=metric_of_maximum_spread(Archive_F,Archive_F1); disp(['GD = ' num2str(GD) ' S = ' num2str(S) ' DELTA = ' num2str(DELTA) ' MS = ' num2str(MS) ]); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% plot(Archive_F1(:,1),Archive_F1(:,2),'Color','b','LineWidth',4); hold on plot(Archive_F(:,1),Archive_F(:,2),'ro','LineWidth',2,...'MarkerEdgeColor','r',...'MarkerFaceColor','r',...'MarkerSize',6); legend('True PF','Obtained PF'); title('MOMVO FOR Welded beam design PROBLEM'); xlabel('obj_1'); ylabel('obj_2');hold offfprintf('%d %20.15f %20.15f %20.15f %20.15f\n',i,GD,S,DELTA,MS);fprintf('%d %20.15f %20.15f %20.15f %20.15f %20.15f %20.15f\n',i,hv,gd,epsilonNew,spread,generalizedspread,igd);GGD(i)=GD;SS(i)=S;DELTAA(i)=DELTA;MSS(i)=MS;hvd(i)=hv; gdd(i)=gd; epsilonNewd(i)=epsilonNew; spreadd(i)=spread; generalizedspreadd(i)=generalizedspread; igdd(i)=igd;endMin_Generational_distance=min(GGD) Average_Generational_distance=mean(GGD) Max_Generational_distance=max(GGD) SD_Generational_distance=std(GGD)Min_metric_of_spacing=min(SS) Average_metric_of_spacing=mean(SS) Max_metric_of_spacing=max(SS) SD_metric_of_spacing=std(SS)Min_Diversity_metric_delta=min(DELTAA) Average_Diversity_metric_delta=mean(DELTAA) Max_Diversity_metric_delta=max(DELTAA) SD_Diversity_metric_delta=std(DELTAA)Min_metric_of_maximum_spread=min(MSS) Average_metric_of_maximum_spread=mean(MSS) Max_metric_of_maximum_spread=max(MSS) SD_metric_of_maximum_spread=std(MSS)Min_hypeIndicatorExact8=min(hvd) Average_hypeIndicatorExact8=mean(hvd) Max_hypeIndicatorExact8=max(hvd) SD_hypeIndicatorExact8=std(hvd)Min_Generational_distance1=min(gdd) Average_Generational_distance1=mean(gdd) Max_Generational_distance1=max(gdd) SD_Generational_distance1=std(gdd)Min_epsilon=min(epsilonNewd) Average_epsilon=mean(epsilonNewd) Max_epsilon=max(epsilonNewd) SD_epsilon=std(epsilonNewd)Min_spread=min(spreadd) Average_spread=mean(spreadd) Max_spread=max(spreadd) SD_spread=std(spreadd)Min_generalizedspread=min(generalizedspreadd) Average_generalizedspread=mean(generalizedspreadd) Max_generalizedspread=max(generalizedspreadd) SD_generalizedspread=std(generalizedspreadd)Min_IGD=min(igdd) Average_IGD=mean(igdd) Max_IGD=max(igdd) SD_IGD=std(igdd)Best_universe_score Best_universe_pos
3 仿真结果
4 参考文献
[1]刘京昕. 多元宇宙优化算法的改进及应用. Diss. 广西民族大学, 2019.
部分理论引用网络文献,若有侵权联系博主删除。
5 MATLAB代码与数据下载地址
见博客主页
【优化求解】基于多元宇宙MVO算法求解多目标matlab代码相关推荐
- 【优化求解】基于多元宇宙MVO算法求解最优目标matlab源码
1 简介 2 部分代码 ```matlab %_____________________________________________________________________________ ...
- 【图像压缩重建】基于霍夫曼算法实现图像压缩重建matlab代码
1 简介 哈夫曼编码是一种数据编码方式,以哈夫曼树--即最优二叉树.用带杈路径长度最小的二叉树,对数据进行重编码,经常应用于数据压缩.在计算机信息处理中,"哈夫曼编码"是一种一致性 ...
- 【图像融合】基于改进模糊聚类算法实现侧扫声呐图像分割matlab代码
1 简介 当前图像分割技术越来越受到人们的重视.很多研究者针对图像分割技术设计出了不计其数的方法.图像分割技术已经涉及到许多范畴,并且逐渐成为了许多领域的基础技术之一.图像分割技术在当今时代具有极其重 ...
- 【优化求解】基于花朵授粉FPA算法求解最优目标matlab代码
1 简介 花朵授粉算法( Flower Pollination Algorithm,FPA)是由英国剑桥大学学者Yang 于2012年提出的,其基本思想来源于对自然界花朵自花授粉.异花授粉的模拟,是一 ...
- DL之Yolov3:基于深度学习Yolov3算法实现视频目标检测之对《我要打篮球》视频段进行实时目标检测
DL之Yolov3:基于深度学习Yolov3算法实现视频目标检测之对<我要打篮球>视频段进行实时目标检测 目录 输出结果 设计思路 核心代码 相关文章 成功解决AttributeError ...
- DL之Yolov3:基于深度学习Yolov3算法实现视频目标检测之对《俄罗斯总统普京对沙特王储摊的“友好摊手”瞬间—东道主俄罗斯5-0完胜沙特》视频段实时检测
DL之Yolov3:基于深度学习Yolov3算法实现视频目标检测之对<俄罗斯总统普京对沙特王储摊的"友好摊手"瞬间-东道主俄罗斯5-0完胜沙特>视频段实时检测 导读 ...
- 灰狼(GWO)算法(附完整Matlab代码,可直接复制)
尊重他人劳动成果,请勿转载! 有问题可留言或私信,看到了都会回复解答! 其他算法请参考: 1.粒子群(PSO)优化算法(附完整Matlab代码,可直接复制)https://blog.csdn.net/ ...
- 粒子群(PSO)算法(附完整Matlab代码,可直接复制)
在粒子群优化算法中,每个解可用一只鸟(粒子)表示,目标函数就是鸟群所需要寻找的食物源.寻找最优解的过程中,粒子包含两种行为:个体行为和群体行为. 个体行为:粒子根据自身在寻优过程中的最优解更新自己的位 ...
- 基于fpga的fir滤波器设计,通过matlab代码设计滤波器参数,最终通过fpga实现
基于fpga的fir滤波器设计,通过matlab代码设计滤波器参数,最终通过fpga实现,modelsim仿真,最后在开发板上实现,两路adc采集的掺杂高频信号经过低通滤波器之后,由dac输出,由si ...
最新文章
- Java 学习(20)--异常 / IO 流
- 使用JSP/SERVLET实现在校学生管理系统
- MySQL事务的可串行化
- c语言ox32左移一位的值,程序设计基础 (C)(32+32) 实验指导书.docx
- 微软2020开源回顾:止不住的挨骂,停不下的贡献
- Linux中brk()系统调用,sbrk(),mmap(),malloc(),calloc()的异同【转】
- JAVA方法中的参数用final来修饰的原因
- opencv之使用open3d可视化opencv加载的点云数据
- es 仅返回单个字段 查询_ES性能优化实战,几十亿数据查询 3 秒返回!
- 用三方做的豆瓣电影页面
- 基于C语言的小游戏合集
- linux PMBus总线及设备驱动分析
- 上海Apple面试php,面试Apple苹果APO的MQE经验
- 工厂模式,java描述
- 《数据出境安全评估办法》将正式施行,聊聊数据出境安全合规那些事
- 103000大写加零吗_103000怎样大写不写零
- 多线程并发中什么是竞争条件?
- 利用集群技术实现Web服务器的负载均衡 集群和负载均衡的概念
- 数据库安全防护几点介绍
- 学习80亿个偏好模型才能了解地球上每个人的偏好