基于粒子群算法的多目标搜索

1．实验目的

掌握粒子群算法解决背包问题的方法，掌握引入惯性权重的粒子群算法应用。

2．实验环境

Matlab

3．实验内容

使用粒子群算法解决背包问题。假设存在五类物品，每类物品中又包含四种具体物品，现要求从这五种类别物品中分别选择一种物品放入背包中，使得背包内物品的总价值最大，总体积最小，并且背包的总质量不超过92kg。用C表示物品质量，X为选择物品。P为每个物品的价值，R为每个物品的体积。P，R，C的取值如下：

 

初始化参数要求为：

Dim=5;     %粒子维数

xSize=50;  %种群个数

MaxIt=200; %迭代次数

c1=0.8;    %算法参数

c2=0.8;    %算法参数

wmax=1.2;  %惯性因子  采用线性递减权值

wmin=0.1;  %惯性因子

1. 实验过程

2. %% 该函数演示多目标perota优化问题

   %清空环境

   clc

   clear

   load data 

   %% 初始参数

   objnum=size(P,1); %类中物品个数

   weight=92;        %总重量限制

   %初始化程序

   Dim=5;     %粒子维数

   xSize=50;  %种群个数

   MaxIt=200; %迭代次数

   c1=0.8;    %算法参数

   c2=0.8;    %算法参数

   wmax=1.2;  %惯性因子

   wmin=0.1;  %惯性因子

   x=unidrnd(4,xSize,Dim);  %粒子初始化

   v=zeros(xSize,Dim);      %速度初始化

   xbest=x;           %个体最佳值

   gbest=x(1,:);      %粒子群最佳位置

   % 粒子适应度值

   px=zeros(1,xSize);   %粒子价值目标

   rx=zeros(1,xSize);   %粒子体积目标

   cx=zeros(1,xSize);   %重量约束

   % 最优值初始化

   pxbest=zeros(1,xSize); %粒子最优价值目标

   rxbest=zeros(1,xSize); %粒子最优体积目标

   cxbest=zeros(1,xSize);  %记录重量，以求约束

   % 上一次的值

   pxPrior=zeros(1,xSize);%粒子价值目标

   rxPrior=zeros(1,xSize);%粒子体积目标

   cxPrior=zeros(1,xSize);%记录重量，以求约束

   %计算初始目标向量

   for i=1:xSize

       for j=1:Dim %控制类别

           px(i) = px(i)+P(x(i,j),j);  %粒子价值

           rx(i) = rx(i)+R(x(i,j),j);  %粒子体积

           cx(i) = cx(i)+C(x(i,j),j);  %粒子重量

       end

   end

   % 粒子最优位置

   pxbest=px;rxbest=rx;cxbest=cx;

   %% 初始筛选非劣解

   flj=[];

   fljx=[];

   fljNum=0;

   %两个实数相等精度

   tol=1e-7;

   for i=1:xSize

       flag=0;  %支配标志

       for j=1:xSize  

           if j~=i

               if ((px(i)<px(j)) &&  (rx(i)>rx(j))) ||((abs(px(i)-px(j))<tol)...

                       &&  (rx(i)>rx(j)))||((px(i)<px(j)) &&  (abs(rx(i)-rx(j))<tol)) || (cx(i)>weight)

                   flag=1;

                   break;

               end

           end

       end

       

       %判断有无被支配

       if flag==0

           fljNum=fljNum+1;

           % 记录非劣解

           flj(fljNum,1)=px(i);flj(fljNum,2)=rx(i);flj(fljNum,3)=cx(i);

           % 非劣解位置

           fljx(fljNum,:)=x(i,:);

       end

   end

   %% 循环迭代

   for iter=1:MaxIt

       

       % 权值更新

       w=wmax-(wmax-wmin)*iter/MaxIt;

       %从非劣解中选择粒子作为全局最优解

       s=size(fljx,1);       

       index=randi(s,1,1);  

       gbest=fljx(index,:);

       %% 群体更新

       for i=1:xSize

           %速度更新

           v(i,:)=w*v(i,:)+c1*rand(1,1)*(xbest(i,:)-x(i,:))+c2*rand(1,1)*(gbest-x(i,:));

           %位置更新

           x(i,:)=x(i,:)+v(i,:);

           x(i,:) = rem(x(i,:),objnum)/double(objnum);

           index1=find(x(i,:)<=0);

           if ~isempty(index1)

               x(i,index1)=rand(size(index1));

           end

           x(i,:)=ceil(4*x(i,:));        

       end

       %% 计算个体适应度

       pxPrior(:)=0;

       rxPrior(:)=0;

       cxPrior(:)=0;

       for i=1:xSize

           for j=1:Dim %控制类别

               pxPrior(i) = pxPrior(i)+P(x(i,j),j);  %计算粒子i 价值

               rxPrior(i) = rxPrior(i)+R(x(i,j),j);  %计算粒子i 体积

               cxPrior(i) = cxPrior(i)+C(x(i,j),j);  %计算粒子i 重量

           end

       end

       %% 更新粒子历史最佳

       for i=1:xSize

           %现在的支配原有的，替代原有的

            if ((px(i)<pxPrior(i)) &&  (rx(i)>rxPrior(i))) ||((abs(px(i)-pxPrior(i))<tol)...

                    &&(rx(i)>rxPrior(i)))||((px(i)<pxPrior(i)) && (abs(rx(i)-rxPrior(i))<tol)) || (cx(i)>weight)

                   xbest(i,:)=x(i,:);%没有记录目标值

                   pxbest(i)=pxPrior(i);rxbest(i)=rxPrior(i);cxbest(i)=cxPrior(i);

             end

           

       %筛选非劣解

       flj=[];

       fljx=[];

       k=0;

       tol=1e-7;

       for i=1:xSize+s

           flag=0;%没有被支配

           %判断该点是否非劣

           for j=1:xSize+s

               if j~=i

                   if ((pppx(i)<pppx(j)) &&  (rrrx(i)>rrrx(j))) ||((abs(pppx(i)-pppx(j))<tol) ...

                           &&  (rrrx(i)>rrrx(j)))||((pppx(i)<pppx(j)) &&  (abs(rrrx(i)-rrrx(j))<tol)) ...

                           || (cccx(i)>weight) %有一次被支配

                       flag=1;

                       break;

                   end

               end

           end

           %判断有无被支配

           if flag==0

               k=k+1;

               flj(k,1)=pppx(i);flj(k,2)=rrrx(i);flj(k,3)=cccx(i);%记录非劣解

               fljx(k,:)=xxbest(i,:);%非劣解位置

           end

       end

       %去掉重复粒子

       repflag=0;   %重复标志

       k=1;         %不同非劣解粒子数

       flj2=[];     %存储不同非劣解

       fljx2=[];    %存储不同非劣解粒子位置

       flj2(k,:)=flj(1,:);

       fljx2(k,:)=fljx(1,:);

       for j=2:size(flj,1)

           repflag=0;  %重复标志

           for i=1:size(flj2,1)

               result=(fljx(j,:)==fljx2(i,:));

               if length(find(result==1))==Dim

                   repflag=1;%有重复

               end

           end

           %粒子不同，存储

           if repflag==0

               k=k+1;

               flj2(k,:)=flj(j,:);

               fljx2(k,:)=fljx(j,:);

           end 

       end

       %非劣解更新

       flj=flj2;

       fljx=fljx2;

   end

   %绘制非劣解分布

   plot(flj(:,1),flj(:,2),'o')

   xlabel('P')

   ylabel('R')

   title('最终非劣解在目标空间分布')

   disp('非劣解flj中三列依次为P，R，C')