目录
前言
多目标小龙虾优化算法MOCOA+多目标霸王龙优化算法MOTROA,均为较新的优化算法,具有较强的研究价值,也可增加其他算法进来,使得测试函数对比图更加清晰绚丽。
可以基于一种算法做改进,然后与经典的多目标优化算法,如NSGA-2,NSGA-3,MODE等等,整合到一张图上,对比效果图应该会非常直观好看。
一、共有46种测试函数+1个工程应用
该程序将两种算法和到一起,即运行一次即可直接出如下的对比图。
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
算法评价指标为IGD、GD、HV、Spacing
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MOTROA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。
二、测试函数仿真效果
部分对比效果如下图所示
总结
可以基于一种算法做改进,然后与经典的多目标优化算法,如NSGA-2,NSGA-3,MODE等等,整合到一张图上,对比效果图应该会非常直观好看。