多目标优化算法（MATLAB）：​多目标鱼鹰优化算法（Multi-Objective Osprey optimization algorithm，MOOOA）​求解46个多目标函数及1个工程应用

一、鱼鹰优化算法

鱼鹰优化算法（Osprey optimization algorithm，OOA）由Mohammad Dehghani 和 Pavel Trojovský于2023年提出，其模拟鱼鹰的捕食行为。

Python：鱼鹰优化算法（Osprey optimization algorithm，OOA）求解23组基本测试函数_IT猿手的博客-CSDN博客

二、多目标鱼鹰优化算法

多目标鱼鹰优化算法（Multi-Objective Osprey optimization algorithm，MOOOA）由OOA融合多目标优化策略而成，为了验证所提的MOOOA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IGD，GD，HV，SP四种评价指标进行评价。

（1）部分代码

close all;
clear ; 
clc;
%%
% TestProblem测试问题说明：
%一共46个多目标测试函数（1-46）+1个工程应用（47），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 https://blog.csdn.net/weixin_46204734/article/details/124051747


%%
TestProblem=1;%1-47
MultiObj = GetFunInfo(TestProblem);
MultiObjFnc=MultiObj.name;%问题名
% Parameters
params.Np = 100;        % Population size 种群大小
params.Nr = 200;        % Repository size 外部存档中最大数目，可适当调整大小，越大，最终获得的解数目越多
params.maxgen =200;    % Maximum number of generations 最大迭代次数


REP = MOOOA(params,MultiObj);
%% 画结果图
figure
if(size(REP.pos_fit,2)==2)
    h_rep = plot(REP.pos_fit(:,1),REP.pos_fit(:,2),'ok'); hold on;
       if(isfield(MultiObj,'truePF'))
            h_pf = plot(MultiObj.truePF(:,1),MultiObj.truePF(:,2),'.r'); hold on;
            legend('MOOOA','TruePF');
       else
           legend('MOOOA');
       end


        grid on; xlabel('f1'); ylabel('f2');
end
if(size(REP.pos_fit,2)==3)
    h_rep = plot3(REP.pos_fit(:,1),REP.pos_fit(:,2),REP.pos_fit(:,3),'ok'); hold on;
      if(isfield(MultiObj,'truePF'))
            h_pf = plot3(MultiObj.truePF(:,1),MultiObj.truePF(:,2),MultiObj.truePF(:,3),'.r'); hold on;
            legend('MOOOA','TruePF');
      else
          legend('MOOOA');
      end
        grid on; xlabel('f1'); ylabel('f2'); zlabel('f3');
end
title(MultiObjFnc)


Obtained_Pareto=REP.pos_fit;
if(isfield(MultiObj,'truePF'))%判断是否有参考的PF
True_Pareto=MultiObj.truePF;
%%  Metric Value
% 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)];
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
end
%%
% Display info
disp('Repository fitness values are stored in REP.pos_fit');
disp('Repository particles positions are store in REP.pos');

（2）部分结果

三、完整MATLAB代码

文件夹内包含MOOOA求解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）的完整MATLAB代码，提供IGD，GD，HV，SP四种评价指标，点击main.m即可运行。