“在代码的海洋里,有无尽的知识等待你去发现。我就是那艘领航的船,带你乘风破浪,驶向代码的彼岸。
💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。
⛳️座右铭:行百里者,半于九十。
📋📋📋本文目录如下:🎁🎁🎁
目录
💥1 概述
多目标优化问题涉及在多个相互冲突的目标中找到最佳折衷解。粒子群优化(PSO)作为一种强大的群体智能算法,已被成功应用于单目标优化问题。然而,对于具有多个目标的问题,传统的PSO可能无法提供有效的解决方案,因为单一的“最优”解可能不存在,而是存在一系列非劣解 。
粒子群优化(PSO):PSO是一种受鸟类和鱼类群体行为启发的优化算法,其中“粒子”代表可能的解,它们在解空间中搜索最优解。粒子通过跟踪自身历史最佳位置和个人邻居中的全局最佳位置来更新自己的速度和位置。
多目标优化:在多目标优化中,目标函数不是一个而是多个,这些目标往往彼此冲突。优化的目标是在所有目标之间找到一个平衡,得到一组非劣解。
📚2 运行结果
主函数部分代码:
clear all; clc;
% Multi-objective function
%MultiObjFnc = 'Schaffer';
%MultiObjFnc = 'Kursawe';
MultiObjFnc = 'Poloni';
%MultiObjFnc = 'Viennet2';
%MultiObjFnc = 'Viennet3';
%MultiObjFnc = 'ZDT1';
%MultiObjFnc = 'ZDT2';
%MultiObjFnc = 'ZDT3';
%MultiObjFnc = 'ZDT6';
switch MultiObjFnc
case 'Schaffer' % Schaffer
MultiObj.fun = @(x) [x(:).^2, (x(:)-2).^2];
MultiObj.nVar = 1;
MultiObj.var_min = -5;
MultiObj.var_max = 5;
load('Schaffer.mat');
MultiObj.truePF = PF;
case 'Kursawe' % Kursawe
MultiObj.fun = @(x) [-10.*(exp(-0.2.*sqrt(x(:,1).^2+x(:,2).^2)) + exp(-0.2.*sqrt(x(:,2).^2+x(:,3).^2))), ...
sum(abs(x).^0.8 + 5.*sin(x.^3),2)];
MultiObj.nVar = 3;
MultiObj.var_min = -5.*ones(1,MultiObj.nVar);
MultiObj.var_max = 5.*ones(1,MultiObj.nVar);
load('Kursawe.mat');
MultiObj.truePF = PF;
case 'Poloni' % Poloni's two-objective
A1 = 0.5*sin(1)-2*cos(1)+sin(2)-1.5*cos(2);
A2 = 1.5*sin(1)-cos(1)+2*sin(2)-0.5*cos(2);
B1 = @(x,y) 0.5.*sin(x)-2.*cos(x)+sin(y)-1.5.*cos(y);
B2 = @(x,y) 1.5.*sin(x)-cos(x)+2.*sin(y)-0.5.*cos(y);
f1 = @(x,y) 1+(A1-B1(x,y)).^2+(A2-B2(x,y)).^2;
f2 = @(x,y) (x+3).^2+(y+1).^2;
MultiObj.fun = @(x) [f1(x(:,1),x(:,2)), f2(x(:,1),x(:,2))];
MultiObj.nVar = 2;
MultiObj.var_min = -pi.*ones(1,MultiObj.nVar);
MultiObj.var_max = pi.*ones(1,MultiObj.nVar);
case 'Viennet2' % Viennet2
f1 = @(x,y) 0.5.*(x-2).^2+(1/13).*(y+1).^2+3;
f2 = @(x,y) (1/36).*(x+y-3).^2+(1/8).*(-x+y+2).^2-17;
f3 = @(x,y) (1/175).*(x+2.*y-1).^2+(1/17).*(2.*y-x).^2-13;
MultiObj.fun = @(x) [f1(x(:,1),x(:,2)), f2(x(:,1),x(:,2)), f3(x(:,1),x(:,2))];
MultiObj.nVar = 2;
MultiObj.var_min = [-4, -4];
MultiObj.var_max = [4, 4];
load('Viennet2.mat');
MultiObj.truePF = PF;
case 'Viennet3' % Viennet3
f1 = @(x,y) 0.5.*(x.^2+y.^2)+sin(x.^2+y.^2);
f2 = @(x,y) (1/8).*(3.*x-2.*y+4).^2 + (1/27).*(x-y+1).^2 +15;
f3 = @(x,y) (1./(x.^2+y.^2+1))-1.1.*exp(-(x.^2+y.^2));
MultiObj.fun = @(x) [f1(x(:,1),x(:,2)), f2(x(:,1),x(:,2)), f3(x(:,1),x(:,2))];
MultiObj.nVar = 2;
MultiObj.var_min = [-3, -10];
MultiObj.var_max = [10, 3];
load('Viennet3.mat');
MultiObj.truePF = PF;
case 'ZDT1' % ZDT1 (convex)
g = @(x) 1+9.*sum(x(:,2:end),2)./(size(x,2)-1);
MultiObj.fun = @(x) [x(:,1), g(x).*(1-sqrt(x(:,1)./g(x)))];
MultiObj.nVar = 30;
MultiObj.var_min = zeros(1,MultiObj.nVar);
MultiObj.var_max = ones(1,MultiObj.nVar);
load('ZDT1.mat');
MultiObj.truePF = PF;
case 'ZDT2' % ZDT2 (non-convex)
🎉3 参考文献
文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。
[1]任仲伟,邓静,蒋宏婉,等.基于Deform仿真和粒子群多目标算法的微结构刀具优化设计[J].工具技术,2024,58(07):109-113.
[2]赵永熹,殷明洋,范宏,等.基于改进型多目标粒子群算法的光伏并网逆变器LCLLC滤波器参数优化方法[J/OL].水电能源科学,2024(08):213-217+196[2024-07-16].https://doi.org/10.20040/j.cnki.1000-7709.2024.20231578.