多目标优化算法：多目标红鸢优化算法（Multi-objective Red kite Optimization Algorithm，MOROA）提供Matlab代码

一、红鸢优化算法

红鸢优化算法（Red kite Optimization Algorithm，ROA）由Jalal Raeisi Gahruei和Zahra Beheshti于2022年提出。ROA详细信息见：点击查看红鸢优化算法ROA原理

参考文献：Jalal Raeisi Gahruei, Zahra Beheshti, The Electricity Consumption Prediction using Hybrid Red kite Optimization Algorithm with Multi-Layer Perceptron Neural Network, Journal of Intelligent Procedures in Electrical Technology, (2022), Vol. 15 (60), pp. 1-22.

二、多目标红鸢优化算法

多目标红鸢优化算法（Multi-objective Red kite Optimization Algorithm，MOROA）由红鸢优化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MOROA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。

close all;
clear ; 
clc;
% Multi-objective Red kite Optimization Algorithm (MOROA)
%%
% TestProblem测试问题说明：
%一共46个多目标测试函数，详情如下：
%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
%47 盘式制动器设计（工程应用） 温泽宇,谢珺,谢刚,续欣莹.基于新型拥挤度距离的多目标麻雀搜索算法[J].计算机工程与应用,2021,57(22):102-109.
%%
TestProblem=1;
MultiObj = GetFunInfo(TestProblem);
MultiObjFnc=MultiObj.name;%问题名
% Parameters
params.Np = 300;        % Population size
params.Nr = 300;        % Repository size
params.maxgen =100;    % Maximum number of generations
name=MultiObj.name;
% MOROA
REP = MOROA(params,MultiObj);
Xbest=REP.pos;%Repository particles positions
Fbest=REP.pos_fit;%Repository fitness values
%% 画结果图
figure(2)
if(size(Fbest,2)==2)
    h_rep = plot(Fbest(:,1),Fbest(:,2),'ok'); hold on;
       if(isfield(MultiObj,'truePF'))
            h_pf = plot(MultiObj.truePF(:,1),MultiObj.truePF(:,2),'.r'); hold on;
            legend('MOROA','TruePF');
       else
           legend('MOROA');
       end


        grid on; xlabel('f1'); ylabel('f2');
end
if(size(Fbest,2)==3)
    h_rep = plot3(Fbest(:,1),Fbest(:,2),Fbest(:,3),'ok'); hold on;
       if(isfield(MultiObj,'truePF'))
            h_pf = plot3(MultiObj.truePF(:,1),MultiObj.truePF(:,2),MultiObj.truePF(:,3),'.r'); hold on;
            legend('MOROA','TruePF');
       else
           legend('MOROA');
       end


        grid on; xlabel('f1'); ylabel('f2');zlabel('f3');
end
title(name)


%%  Metric Value
Obtained_Pareto=REP.pos_fit;
if(isfield(MultiObj,'truePF'))%判断是否有参考的PF
True_Pareto=MultiObj.truePF;
% ResultData的值分别是IGD、GD、HV、Spacing  (HV越大越好，其他指标越小越好)
ResultData=[IGD(Obtained_Pareto,True_Pareto),GD(Obtained_Pareto,True_Pareto),HV(Obtained_Pareto,True_Pareto),Spacing(Obtained_Pareto)];
disp(['IGD、GD、HV、SP：',num2str(ResultData)]);
else
    %计算每个算法的Spacing，Spacing越小说明解集分布越均匀
    ResultData=Spacing(Obtained_Pareto);%计算的Spacing
    disp(['SP：',num2str(ResultData)]);
end

部分结果：

ZDT1：

ZDT2：

ZDT3：

Viennet3:

盘式制动器设计:

三、参考代码

文件夹内包含所有代码，可以直接点击main.m运行。