多目标优化算法:多目标圆圈搜索算法(Multi-Objective Circle Search Algorithm,MOCSA)

一、圆圈搜索算法简介

圆圈搜索算法(Circle Search Algorithm,CSA)由Mohammed H. Qais等人于2022年提出,该算法由圆上正切关系启发所得,思路新颖,简单高效。

在这里插入图片描述

由上述圆可得到如下数量关系:
在这里插入图片描述

二、圆圈搜索算法原理

在这里插入图片描述

根据圆周上正切关系启发,CSA更新公式如下:
在这里插入图片描述

其中,角度 θ 在CSA的勘探和开发中起着重要作用,其计算公式如下:
在这里插入图片描述

三、圆圈搜索算法流程

在这里插入图片描述
在这里插入图片描述

四、多目标圆圈搜索算法

多目标圆圈搜索算法(Multi-Objective Circle Search Algorithm,MOCSA)由圆圈搜索算法的优良策略与多目标优化思想融合而成。为了验证所提的MOCSA的有效性,将其在46个多目标测试函数(ZDT1、ZDT2、ZDT3、ZDT4、ZDT6、DTLZ1-DTLZ7、WFG1-WFG10、UF1-UF10、CF1-CF10、Kursawe、Poloni、Viennet2、Viennet3)以及1个工程应用(盘式制动器设计)上实验,并采用IGD、GD、HV、SP进行指标评价。部分结果如下:

ZDT1:

在这里插入图片描述

ZDT3:

在这里插入图片描述

ZDT4:

在这里插入图片描述

DTLZ5:

在这里插入图片描述

盘式制动器设计:

在这里插入图片描述

在这里插入图片描述

五、完整MATLAB代码

文件夹内包含MOCSA所有MATLAB代码(46个多目标标准测试函数+1个工程应用+4种评价指标),直接点击main.m即可运行。

在这里插入图片描述

  • 0
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标优化问题一直是科学和工程研究领域的一个难题和热点问题,在遗传算法应用到这一领域以前,已经产生了许多经典的方法,经典方法在处理大维数、多模态等复杂问题上存在不足。多目标遗传算法具有处理大的问题空间的能力在依次进化过程中可以得到多个可行解,对问题域的先验知识没有要求,对函数定义域的凸性不敏感,这正是经典算法不具备的。所以,应用遗传算法求解多目标问题,是这一领域的发展趋势。 路径问题是网络设计中遇到的最常见的问题之一,寻找指定两点间总长度最短或费用最低的路径。经典的Dijkstra算法能够精确的求出两点间的最短路径,但是经典的Dijkstra算法存在着占用时间、空间消耗过大的缺点。利用遗传算法求解路径问题可以减少算法对时间、空间的消耗。 利用遗传算法求解多目标路径寻优要考虑两个方面的问题。1.在多目标优化过程中,如何给出确保遗传算法进化的选择压力;2在路径问题中,如何对路径进行遗传操作。 本文对遗传算法及其面向多目标优化问题和路径寻优问题的基础理论和基本方法进行了阐述,提出了自己的方法,并进行了实验分析,主要内容如下: 1.介绍了遗传算法的基本理论、方法和一般流程,遗传多目标优化的现状。 2.利用遗传算法对路径进行遗传操作进行寻优,并利用改进的Dijkstra算法进行验证。 3.在遗传算法目标优化中权重和原有产生权的方法的基础上对权重的给出进行了改进。以此对多目标路径进行寻优。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值