一、5種多目標優(yōu)化算法簡介
1.1MOGWO
1.2MOJS
1.3NSWOA
1.4MOPSO
1.5MOAHA
二、5種多目標優(yōu)化算法性能對比
為了測試5種算法的性能將其求解9個多目標測試函數(shù)（zdt1、zdt2 、zdt3、 zdt4、 zdt6 、Schaffer、?Kursawe 、Viennet2、 Viennet3），其中Viennet2 與Viennet3的目標為3，其余測試函數(shù)的目標為2，并采用6種評價指標（IGD、GD、HV、Coverage、Spread、Spacing）進行評價對比
2.1部分代碼
close all;
clear ;
clc;
addpath('./MOJS/')%添加算法路徑
addpath('./MOGWO/')%添加算法路徑
addpath('./NSWOA/')%添加算法路徑
addpath('./MOPSO/')%添加算法路徑
addpath('./MOAHA/')%添加算法路徑
%%
% TestProblem測試問題說明：
%一共9個多目標測試函數(shù)1-9分別是： zdt1 zdt2 zdt3 zdt4 zdt6 Schaffer? Kursawe Viennet2 Viennet3
%%
TestProblem=9;%測試函數(shù)1-9
MultiObj = GetFunInfo(TestProblem);
MultiObjFnc=MultiObj.name;%問題名
% Parameters
params.Np = 100;? ? ? ? % Population size 種群大小
params.Nr = 200;? ? ? ? % Repository size 外部存檔
params.maxgen=50;? ? % Maximum number of generations 最大迭代次數(shù)
numOfObj=MultiObj.numOfObj;%目標函數(shù)個數(shù)
%% 算法求解，分別得到paretoPOS和paretoPOF
[Xbest1,Fbest1] = MOGWO(params,MultiObj);
[Xbest2,Fbest2] = MOJS(params,MultiObj);
[Xbest3,Fbest3]? = NSWOA(params,MultiObj);
[Xbest4,Fbest4] = MOPSO(params,MultiObj);
[Xbest5,Fbest5]? = MOAHA(params,MultiObj);
FbestData(1).data=Fbest1;
FbestData(2).data=Fbest2;
FbestData(3).data=Fbest3;
FbestData(4).data=Fbest4;
FbestData(5).data=Fbest5;
%% 獲取測試函數(shù)的真實pareto前沿
True_Pareto=MultiObj.truePF;
%% 計算每個算法的評價指標
% ResultData的值分別是IGD、GD、HV、Coverage、Spread、Spacing
for i=1:5
? ? Fbest=FbestData(i).data;
? ? ResultData(i,:)=[IGD(Fbest,True_Pareto),GD(Fbest,True_Pareto),HV(Fbest,True_Pareto),Coverage(Fbest,True_Pareto),Spread(Fbest,True_Pareto),Spacing(Fbest,True_Pareto)];
end
%% 畫圖
PlotFigure;
2.2部分結(jié)果
（1）以ZDT3為例：
（2）以Viennet3為例：
文章來源：http://www.zghlxwxcb.cn/news/detail-833157.html
三、完整MATLAB代碼
文章來源地址http://www.zghlxwxcb.cn/news/detail-833157.html
到了這里，關(guān)于五種多目標優(yōu)化算法（MOGWO、MOJS、NSWOA、MOPSO、MOAHA）性能對比（提供MATLAB代碼）的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
