【優化演算法】粒子群優化多目標搜尋演算法【含Matlab原始碼 1124期】

阿新 • • 發佈：2021-07-10

一、簡介

粒子群優化多目標搜尋演算法

二、原始碼

%% 該函式演示多目標perota優化問題
%清空環境
clc
clear

load data


%% 初始引數
objnum=size(P,1); %類中物品個數
weight=92;        %總重量限制

%初始化程式
Dim=5;     %粒子維數
xSize=50;  %種群個數
MaxIt=200; %迭代次數
c1=0.8;    %演算法引數
c2=0.8;    %演算法引數 
wmax=1.2;  %慣性因子
wmin=0.1;  %慣性因子

x=unidrnd(4,xSize,Dim);  %粒子初始化
v=zeros(xSize,Dim);      %速度初始化

xbest=x;           %個體最佳值
gbest=x(1,:);      %粒子群最佳位置

% 粒子適應度值 
px=zeros(1,xSize);   %粒子價值目標
rx=zeros(1,xSize);   %粒子體積目標
cx=zeros(1,xSize);   %重量約束

% 最優值初始化
pxbest=zeros(1,xSize); %粒子最優價值目標
rxbest=zeros(1,xSize); %粒子最優體積目標
cxbest=zeros(1,xSize);  %記錄重量，以求約束

% 上一次的值
pxPrior=zeros(1,xSize);%粒子價值目標
rxPrior=zeros(1,xSize);%粒子體積目標
cxPrior=zeros(1,xSize);%記錄重量，以求約束

%計算初始目標向量
for i=1:xSize
    for j=1:Dim %控制類別
        px(i) = px(i)+P(x(i,j),j);  %粒子價值
        rx(i) = rx(i)+R(x(i,j),j);  %粒子體積
        cx(i) = cx(i)+C(x(i,j),j);  %粒子重量
    end
end
% 粒子最優位置
pxbest=px;rxbest=rx;cxbest=cx;

%% 初始篩選非劣解
flj=[];
fljx=[];
fljNum=0;
%兩個實數相等精度
tol=1e-7;
for i=1:xSize
    flag=0;  %支配標誌
    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
    
    %判斷有無被支配
    if flag==0
        fljNum=fljNum+1;
        % 記錄非劣解
        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

%% 迴圈迭代
for iter=1:MaxIt
    
    % 權值更新
    w=wmax-(wmax-wmin)*iter/MaxIt;
     
    %從非劣解中選擇粒子作為全域性最優解
    s=size(fljx,1);       
    index=randi(s,1,1);  
    gbest=fljx(index,:);

    %% 群體更新
    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
    
    %% 計算個體適應度
    pxPrior(:)=0;
    rxPrior(:)=0;
    cxPrior(:)=0;
    for i=1:xSize
        for j=1:Dim %控制類別
            pxPrior(i) = pxPrior(i)+P(x(i,j),j);  %計算粒子i 價值
            rxPrior(i) = rxPrior(i)+R(x(i,j),j);  %計算粒子i 體積
            cxPrior(i) = cxPrior(i)+C(x(i,j),j);  %計算粒子i 重量
        end
    end
    
    %% 更新粒子歷史最佳
    for i=1:xSize
        %現在的支配原有的，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,:);%沒有記錄目標值
                pxbest(i)=pxPrior(i);rxbest(i)=rxPrior(i);cxbest(i)=cxPrior(i);
          end
        
        %彼此不受支配，隨機決定
        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) )...
                &&  ~( ((pxPrior(i)<px(i)) &&  (rxPrior(i)>rx(i))) ||((abs(pxPrior(i)-px(i))<tol) &&  (rxPrior(i)>rx(i)))...
                ||((pxPrior(i)<px(i)) &&  (abs(rxPrior(i)-rx(i))<tol)) || (cxPrior(i)>weight) )
            if rand(1,1)<0.5
                xbest(i,:)=x(i,:);
                  pxbest(i)=pxPrior(i);rxbest(i)=rxPrior(i);cxbest(i)=cxPrior(i);
            end
        end
    end

    %% 更新非劣解集合
    px=pxPrior;
    rx=rxPrior;
    cx=cxPrior;
    %更新升級非劣解集合
    s=size(flj,1);%目前非劣解集合中元素個數