动态多目标进化算法DNSGA-II求解FDA测试系列

程序DNSGA-II

内容包括

其中

DNSGAII.m 为主函数程序，包括相关参数赋值，环境的循环，每个环境的进化操作，性能指标的计算，绘制真实的前沿和优化前沿的图像，在环境变化时进行响应，主要包括DNSGAII（直接利用上一时刻最优解），DNSGAII-AA（重新初始化部分个体），DNSGAII-BB（变异部分个体）。最后输出相关统计数据。

pop = round(pop);                             %种群大小

gen = round(gen);                             %进化次数

[nObj,xbounds,ybounds]= objective_description_function(name,nVar);     %获取目标函数的目标个数，变量范围和指标参考点

M=nObj;                                  %目标个数

evaluate_objective.m 包括FDA系列测试函数的定义

%% FDA系列

  %% *********************** FDA1测试函数*****************

  case{'FDA1'}

    Gt = sin(0.5*pi*t);

    g_xm=1+sum((x(2:nVar) - Gt).^2);

    f1=x(1);

    h=1-sqrt(f1./g_xm);

    f2=g_xm*h;

    f(1)=f1;

    f(2)=f2;

genetic_operator.m 为进化操作，主要包括交叉和变异

HV.m和IGD.m为性能指标计算

initialize_variables.m为初始化种群

min = min_range;

max = max_range;

K = M + V;

%% 初始化种群

for i = 1 : N

  for j = 1 : V

    f(i,j) = (min(j) + (max(j) - min(j))*rand(1));

  end

  f(i,V + 1: K) = (evaluate_objective(name,f(i,:), M, V, t, g1, g2));

end

end

main.m为运行文件，包括参数赋值，环境设置，结果保存等

%% FDA1

  clear;clc;

  name='FDA1';

  method = 'BB';

  num_of_runs=1;                             %设置总的运行次数

  tt=0:0.1:10;                              %时间变量的取值范围，为向量

  g1=[2:15];g2=[];

  group1=g1;group2=[1 g2];

  pop=100;gen=5;

  nVar=size(group1,2)+size(group2,2);                  %自变量维数

for runs = 1:num_of_runs                          %独立运行num_of_runs次  

  fprintf('总循环次数:%d\n',runs)

  [metric_staticIP,archive_staticIP]=DNSGAII(name,tt,g1,g2,nVar,pop,gen,runs,method);

  staticIP_metric(runs,1)=metric_staticIP;

  staticIP_archive(runs,1).staticIP=archive_staticIP;

end

  str = strcat(name,'_metric_staticIP','_',method,'.mat');

  save(str,'staticIP_metric');

  str=strcat(name,'_archive_staticIP','_',method,'.mat');

  save(str,'staticIP_archive'); 

non_dominationsort_mod.m 为种群个体的非支配排序操作

objectivedescriptionfunction.m为定义相关测试函数目标个数，指标参考点，变量界限等

case {'FDA1'}

    nObj=2; 

    xbounds(1:nVar,1) = [0;-1*ones(nVar-1,1)];

    xbounds(1:nVar,2) = ones(nVar,1);

    ybounds=[5,5];

plot_figure.m为绘制图像

predict_1.m为环境响应方式

ptrue.m为FDA系列真实前沿

case 'FDA1'

    x=[0:0.001:1]';

    f1=(x(:,1));

    f2=(1-(f1.^0.5));

    fit(:,1)=(f1);

    fit(:,2)=(f2);

replace_chromosome.m 为选择前N个个体的操作

tournament_selection.m 为交配池选择个体的方法

程序链接：DNSGAII

运行FDA4某个环境最优前沿结果图