NSWOA|多目标鲸鱼优化算法原理与代码实现(Matlab)

文章来源于我的个人公众号：KAU的云实验台，主要更新智能优化算法的原理、应用、改进

​鲸鱼优化算法(Whale Optimization Algorithm，WOA)的位置更新策略主要分为三个阶段，收缩捕猎阶段，螺旋更新阶段，随机搜索阶段，但原WOA算法无法处理多目标优化问题，因此Pradeep Jangir和 Narottam Jangir（两人同团队，也与Mirjalili有合著）引入了多目标优化相关理论，引入非支配等级等对鲸鱼进行排序选择，于2017年以WOA为框架提出了基于非支配排序的多目标鲸鱼优化算法(Non-Dominated Sorting Whale Optimization Algorithm，NSWOA)。

​

本文将对NSWOA进行介绍

00 文章目录

1 多目标鲸鱼优化算法原理

2 代码目录

3 算法性能

4 源码获取

01 多目标鲸鱼优化算法原理

1.1 鲸鱼优化算法流程

WOA是NSWOA的理论基础，这里简单回顾一下WOA的流程，对WOA不了解的WOA算法可以看作者的往期文章：

WOA算法的流程如图所示：

​

以上是WOA的流程，由于多目标问题的特殊性，因此需要对最佳个体的选择机制进行修改，下面介绍NSWOA的理论内容。

1.2 多目标鲸鱼优化算法

为了将多目标能力添加到WOA算法中，NSWOA主要在WOA的框架上增加了对个体的非支配排序，通过拥挤度计算和精英保留策略（与NSGA-II类似），筛选出优秀非支配个体引导种群，并进行种群的进化。下面介绍这几个概念。

(1)非支配排序

非支配排序的概念如图，其中黑点代表着一个个体，对于种群，首先选出Pareto解，其支配等级为1；然后将支配等级为1的解筛出，再从剩下的个体中选出Pareto解，其支配等级为2，以此循环，直至整个种群完成分级，则支配等级越低的解将支配支配等级高的解，此即非支配排序。

(2)拥挤度

拥挤度则可定义为解i与其领域解i-1和i+1所围矩形的长度，拥挤度越大，则该解周围越稀疏，选取该解作为“最优个体”，有利于种群多样性的保持。

引入上述两个机制后，NSWOA算法的流程如下：

​

02 代码目录

源代码为Pradeep Jangir编写，KAU对其进行中文注释，其中部分NSWOA程序如下：

代码获取方式见文末

03 算法性能

使用经典的多目标测试函数ZDT1~3对NSWOA进行测试：

04 源码获取

公众号后台回复：NSWOA

作者也将在后面的文章中更新对于NSWOA的改进，欢迎关注~

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]. Global journals of research in engineering, 2017;17: 15-42.

另：如果有伙伴有待解决的优化问题（各种领域都可），可以发我，我会选择性的更新利用优化算法解决这些问题的文章。

如果这篇文章对你有帮助或启发，可以点击右下角的赞/在看 (ง•̀_•́)ง(不点也行)