目录
1.摘要
本篇文章介绍了鲸鱼优化算法(WOA)的多目标版本,称为非支配排序鲸鱼优化算法(NSWOA)。NSWOA算法首先收集所有非支配的Pareto最优解,直到最后一次迭代的进化限制为止。然后,通过基于解决方案覆盖范围和泡网捕猎策略的拥挤距离机制,从所有帕累托最优解的集合中选择最佳解,以引导鲸鱼向多目标搜索空间的支配区域移动。
2.Non-Dominated Sorting Whale Optimization Algorithm(NSWOA)
2.1 单目标鲸鱼优化算法(WOA)
SCI二区|鲸鱼优化算法(WOA)原理及实现【附完整Matlab代码】
2.2 非支配排序鲸优化算法(NSWOA)
非支配排序鲸鱼优化算法(NSWOA)分为四个阶段:
初始化阶段:首先初始化鲸鱼种群,随机生成鲸鱼和猎物的位置向量,用矩阵表示,并计算每只鲸鱼位置的适应度。
位置更新阶段:更新鲸鱼的位置,采用螺旋形或螺线形运动函数,并计算从当前最佳位置到最终目标位置的绝对距离。在优化过程中,鲸鱼有一半的概率遵循缩小的包围圈或对数路径以接近最优位置。
终止条件阶段:在不确定搜索空间中的搜索,减小位置向量矩阵的大小,并持续更新鲸鱼的位置。
优化存储与排名阶段:NSWOA算法能够存储Pareto最优解并在迭代过程中灵活更换解决方案。解决方案根据是否被其他解决方案支配被赋予相应的排名,过大的集合将根据拥挤距离机制移除一些较少非支配的解决方案。
非支配排序基于支配级别对帕累托最优解进行排序并给予它们一个等级,没有被任何解决方案支配的解决方案被赋予1级,只被一种解决方案支配的解决方案被赋予2级,只被两种解决方案支配的被赋予3级,以此类推。排名越好,被选择的概率越高。PS:主要缺点是计算成本🤣
流程图
3.结果展示
4.参考文献
[1] Jangir P, Jangir N. Non-dominated sorting whale optimization algorithm (NSWOA): a multi-objective optimization algorithm for solving engineering design problems[J]. Glob. J. Res. Eng, 2017, 17: 15-42.