【多目标优化求解】布谷鸟算法多目标（成本+时间+质量）优化求解【含Matlab源码 118期】

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

更多Matlab仿真内容点击👇
Matlab图像处理（进阶版）
路径规划（Matlab）
神经网络预测与分类（Matlab）
优化求解（Matlab）
语音处理（Matlab）
信号处理（Matlab）
车间调度（Matlab）

⛄一、布谷鸟算法简介

布谷鸟算法，英文叫做Cuckoo search (CS algorithm)。首先还是同样，介绍一下这个算法的英文含义， Cuckoo是布谷鸟的意思，啥是布谷鸟呢，是一种叫做布谷的鸟，o(∩_∩)o ，这种鸟她妈很懒，自己生蛋自己不养，一般把它的宝宝扔到别的种类鸟的鸟巢去。但是呢，当孵化后，遇到聪明的鸟妈妈，一看就知道不是亲生的，直接就被鸟妈妈给杀了。于是这群布谷鸟宝宝为了保命，它们就模仿别的种类的鸟叫，让智商或者情商极低的鸟妈妈误认为是自己的亲宝宝，这样它就活下来了。
布谷鸟搜索算法（Cuckoo Search, CS）是2009年Xin-She Yang 与Suash Deb在《Cuckoo Search via Levy Flights》一文中提出的一种优化算法。布谷鸟算法是一种集合了布谷鸟巢寄生性和莱维飞行（Levy Flights）模式的群体智能搜索技术，通过随机游走的方式搜索得到一个最优的鸟巢来孵化自己的鸟蛋。这种方式可以达到一种高效的寻优模式。

1 布谷鸟的巢寄生性

2 莱维飞行

图1.模拟莱维飞行轨迹示意图

3 布谷鸟搜索算法的实现过程

⛄二、部分源代码

close all;
clear;
clc;
format long;

n=20;%%%初始化鸟窝数量
pa=0.25;%%%外来鸟蛋被巢主鸟发现的概率5%%%巢主鸟发现寄生卵的概率
%%%%最大迭代次数
N_iter=300;
REP=[];%精英池初始化
RC=[];
R1=[];
%%定义全局变量nd
global nd;
nd=15;%%%搜索维度
Lb=-5ones(1,nd);%下限
Ub=5ones(1,nd);%上限
% %%%基于sobol序列随机初始化解
for xh=1:20
xh
p = sobolset(nd,‘Skip’,1e2);
p = scramble(p,‘MatousekAffineOwen’);
SOBOL = net(p,n);
for i=1:n
for j=1:nd
nest(i,j)=Lb(1,j)+(Ub(1,j)-Lb(1,j))*SOBOL(i,j);
end
end
maxFun=4; %目标函数的个数
iterations=1;
%%%计算初试目标函数值
% disp(‘开始计算初始化目标函数…’)

for i=1:n
cstatisc(1,i)=statisc(nest(i,:));
ccost(1,i)=costc(nest(i,:));
ctimec(1,i)=timec(nest(i,:));
cquality(1,i)=qualityc(nest(i,:));
end
% disp(‘始化目标函数计算结束…’)

%%确定粒子非劣解，把每个粒子当作非劣解
% disp(‘生成ST矩阵……’) %用于存放粒子信息
for i=1:n
ST(i,1:nd)=nest(i,:);
end

ST(:,nd+1)=cstatisc(1,:);
ST(:,nd+2)=ccost(1,:);
ST(:,nd+3)=ctimec(1,:);
ST(:,nd+4)=cquality(1,:);
ST(:,nd+5)=0;

%%STS矩阵存放粒子信息（包括四个目标函数值）
STS=ST;
% %%%pop为萤火虫粒子
% XINXI=ST;
% popo=ST;
% kk=1;
% %%%筛选可理解度,使可理解度为0.7857
% while(kk<=size(STS,1))
% if (STS(kk,nd+2)>3||STS(kk,nd+3)>3)
% STS(kk,:)=[];
% kk=kk-1;
% end
% kk=kk+1;
% end
%%-------------对外部档案集初始化--------%%
%disp(‘外部档案集初始化……’)

for i=1:size(STS,1)
if (isempty(REP))
REP(1,:)=ST(i,:);
RC=[RC;ST(i,:)];
else
for k=1:size(REP,1)
%% if 条件判断第i个布谷鸟STS(i,：)支配精英池REP中的第k条布谷鸟，删除第k条布谷鸟
if (((STS(i,nd+1)>=REP(k,nd+1))&&(STS(i,nd+2)<=REP(k,nd+2))&&(STS(i,nd+3)<=REP(k,nd+3))&&(STS(i,nd+4)>=REP(k,nd+4)))&&((STS(i,nd+1)>REP(k,nd+1))||(STS(i,nd+2)<REP(k,nd+2))||(STS(i,nd+3)<REP(k,nd+3))||(STS(i,nd+4)>REP(k,nd+4))))
REP(k,1)=9999;%%%支配标志之一，表示第i个布谷鸟信息STS(i,：)支配REP（k,:），要删除REP（k,:），保存STS(i,:)
insert_flag=1;
%%elseif条件用来判断第i个布谷鸟不支配精英池里面的第k条规则，此时此条规则不需要从精英池里面移除
elseif (((STS(i,nd+1)<=REP(k,nd+1))&&(STS(i,nd+2)>=REP(k,nd+2))&&(STS(i,nd+3)>=REP(k,nd+3))&&(STS(i,nd+4)<=REP(k,nd+4)))&&((STS(i,nd+1)<REP(k,nd+1))||(STS(i,nd+2)>REP(k,nd+2))||(STS(i,nd+3)>REP(k,nd+3))||(STS(i,nd+4)<REP(k,nd+4))))
insert_flag=0;%%%第i个布谷鸟不支配REP(k,:),这个规则不删除
break;
%%%判断STS(i,:)与REP(k,:)是否重复
elseif((((STS(i,nd+1)==REP(k,nd+1))&&(STS(i,nd+2)==REP(k,nd+2))&&(STS(i,nd+3)==REP(k,nd+3))&&(STS(i,nd+4)==REP(k,nd+4)))))
%%%判断STS(i,1:nd)与REP(k,1:nd)前1：nd维元素是否相等，如果相等，即STS(i,1:nd)与REP(k,1:nd)重复
%%%%不需要将STS(i,1:nd)加入REP中否则加入精英池
if ((STS(i,nd+1)==0)||(STS(i,nd+2)==0)||(STS(i,nd+3)==0)||(STS(i,nd+4)==0))
insert_flag=0;
elseif (isempty(setdiff(STS(i,1:nd),REP(k,1:nd))))
insert_flag=0;%%%重复，不将STS(i,:)加入精英池REP
else
insert_flag=0;%%%如果不重复，加入精英池REP//本应该是取值insert_flag=1
end
else
%%%这一段代码判断的是STS与REP互不支配情况，当目标函数有一个为0时，此条规则不需要加入精英池里面，否则加入
if ((STS(i,nd+1)_{=0)&&(STS(i,nd+2)}=0)&&(STS(i,nd+3)_{=0)&&(STS(i,nd+4)}=0))
insert_flag=1;
elseif((STS(i,nd+1)==0)||(STS(i,nd+2)==0)||(STS(i,nd+3)==0)||(STS(i,nd+4)==0))
insert_flag=0;
end
end
end
k1=1;
%%%
while(k1<=size(REP,1))
if (REP(k1,1)==9999)
REP(k1,:)=[];
k1=k1-1;
end
k1=k1+1;
end

    if (insert_flag==1)
        REP((size(REP,1)+1),:)=STS(i,:);
        RC=[RC;STS(i,:)];%%%曾经放入精英池中的布谷鸟信息
    end
end

end
disp(‘开始正式进入主循环——’)
iterations=2;
tic
while(iterations<N_iter)
gbestpool=[];
if (size(REP,1)>2)
for f=1:maxFun
%排序
for i=1:(size(REP,1)-1)
for j=(i+1):(size(REP,1))
if (REP(i,nd+f)<REP(j,nd+f))
temp=REP(i,:);
REP(i,:)=REP(j,:);
REP(j,:)=temp;
end
end
end
%排序结束
REP(1,nd+5)=10;
REP(size(REP,1),nd+5)=10;
%寻找最大最小目标函数值
fmax=0;
for i=1:size(REP,1)
if (REP(i,nd+f)>fmax)
fmax=REP(i,nd+f);
end
end
fmin=10;
for i=1:size(REP,1)
if (REP(i,nd+f)<fmin)
fmin=REP(i,nd+f);
end
end
%寻找最大最小目标函数值结束

        %拥挤距离
        for i=2:(size(REP,1)-1)
            REP(i,nd+5)= REP(i,nd+5)+abs((REP(i+1,nd+f)-REP(i-1,nd+f))/(fmax-fmin));
        end   
    end    
else 
    REP(1,nd+5)=10;
end

%计算拥挤距离结束
%按拥挤距离排序
    for i=1:(size(REP,1)-1)
        for j=(i+1):size(REP,1)
            if (REP(i,nd+5)<REP(j,nd+5))
            temp=REP(i,:);
            REP(i,:)=REP(j,:);
            REP(j,:)=temp;    
            end
        end
    end
%按拥挤距离排序结束

%选择前10%的粒子存入gbestpool
for i=1:ceil(size(REP,1)*0.1)
gbestpool=[gbestpool;REP(i,:)];
end

%选择前10%的粒子存入gbestpool结束
%%随机选择一个作为最优解
gb=gbestpool(fix(1+(size(gbestpool,1)-1)*rand)😅;
best=gb(1,1:nd);

%%布谷鸟按照levy进行飞行，产生新的布谷鸟
new_nest=get_cuckoos_levy(nest,best,Lb,Ub);
%%%发现并随机选择
for i=1:n
fitness(1,i)=statisc(new_nest(i,:));
fitness(2,i)=costc(new_nest(i,:));
fitness(3,i)=timec(new_nest(i,:));
fitness(4,i)=qualityc(new_nest(i,:));
end
%%第t+1代解与第t代解比较，如果
for i=1:n
if fitness(1,i)>=cstatisc(iterations-1,i)&&fitness(2,i)<=ccost(iterations-1,i)&&fitness(3,i)<= ctimec(iterations-1,i)&& fitness(4,i)>=cquality(iterations-1,i)
best_new_nest(i,:)=new_nest(i,:);
else
best_new_nest(i,:)=nest(i,:);
end

end

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例（第2版）[M].电子工业出版社，2016.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社，2017.
[3]周品.MATLAB 神经网络设计与应用[M].清华大学出版社，2013.
[4]陈明.MATLAB神经网络原理与实例精解[M].清华大学出版社，2013.
[5]方清城.MATLAB R2016a神经网络设计与应用28个案例分析[M].清华大学出版社，2018.

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合