【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 ...