多目标小龙虾优化算法MOCOA与目标灰狼优化算法MOGWO做对比

文章目录

目录

文章目录

前言

一、多目标小龙虾优化算法（MOCOA）

二、多目标测试函数

三、评价指标及多目标测试函数结果

总结

---

前言

小龙虾优化算法COA的进一步拓展，即多目标小龙虾优化算法MOCOA

---

一、多目标小龙虾优化算法（MOCOA）

        多目标小龙虾优化算法MOCOA，为较新的优化算法，具有较强的研究价值。

        经过单目标测试函数和多目标测试函数的测试均可表明，该算法具有较好的性能，并且还是在水平较高的期刊发表，值得进一步写论文研究。

二、多目标测试函数

         本代码共计46种测试函数外加1种应用，测试函数分别为：
%1-5:ZDT1、ZDT2、ZDT3、ZDT4、ZDT6
%6-12：DTLZ1-DTLZ7
%13-22：wfg1-wfg10
%23-32：uf1-uf10
%33-42：cf1-cf10
%43-46:Kursawe、Poloni、Viennet2、Viennet3

---

三、评价指标及多目标测试函数结果

 算法评价指标为IGD、GD、HV、Spacing
        MOGWO只有ZDT1、ZDT2、ZDT3、ZDT4四种测试函数，其他函数可根据MOCOA自行写出
为了对比时可以清晰的看出对比效果（如果初始种群数量设置过大，则所有解均在帕累托前沿上，无法体现算法性能），MOCOA与MOGWO种群数量均设置为20，想增强求解能力，增大需要增大种群数量。
        部分效果如下所示：图一中，MOCOA明显相比于MOGWO明显分布更加均匀，效果更优。

总结

        该代码为MOCOA多目标小龙虾优化算法在46种测试函数上求解的代码（还有多目标灰狼优化算法可做对比），您可在此基础上进行改进提升性能，并应用到自己的问题上。

多目标小龙虾优化算法MOCOA（赠送多目标灰狼优化算法MOGWO做对比，对比效果如图一）多目标小龙虾优化算法MOCOA，为较新的优化算法，具有较强的研究价值。本代码共计46种测试函数外加1种应用，测试函数分别为：%1-5:ZDT1、ZDT2、ZDT3、ZDT4、ZDT6%6-12：DTLZ1-DTLZ7%13-22：wfg1-wfg10%23-32：uf1-uf10https://mbd.pub/o/bread/ZZqbmZ5y