基于随机油漆优化器 (MOSPO)求解多目标优化问题附matlab代码
✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。
🍎个人主页：Matlab科研工作室
🍊个人信条：格物致知。
更多Matlab仿真内容点击👇
智能优化算法 神经网络预测 雷达通信 无线传感器
信号处理 图像处理 路径规划 元胞自动机 无人机 电力系统
⛄ 内容介绍
随机油漆优化器 (SPO) 的单目标版本已适当更改，以解决描述为 MOSPO 的多目标优化问题。色彩理论、色轮和色彩组合方法是 SPO 的主要概念。由于没有任何内部参数的四种简单颜色组合规则，SPO 将能够进行出色的探索和开发。使用固定大小的外部存档等原则使推荐技术不同于最初的单目标 SPO。此外，为了执行多目标优化，SPO 中添加了领导者选择功能。推荐的多目标随机油漆优化器（MOSPO）的效率在十个数学（CEC-09）和八个多目标工程设计问题上进行了测试，与多目标粒子群优化（MOPSO）相比，具有显着的精度和均匀性，多-目标拍打群算法（MSSA）和多目标蚁狮优化器。根据不同性能指标的结果，如世代距离（GD）、反向世代距离（IGD）、最大传播和间距，所提出的算法可以提供高质量的 Pareto 前沿，具有非常有竞争力的结果和高收敛性。
⛄ 部分代码
%__________________________________________________________________ %
% Multi-Objective %
% Multi-Objetective Stochastic Paint Optimizer (MOSPO) %
% %
% %
% Developed in MATLAB R2021a (MacOs) %
% %
% Author and programmer %
% --------------------------------- %
% Nima Khodadadi (ʘ‿ʘ) %
% SeyedAli Mirjalili %
% e-Mail %
% --------------------------------- %
% nkhod002@fiu.edu %
% %
% Homepage %
% --------------------------------- %
% https://nimakhodadadi.com %
% %
% %
% %
% %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% ----------------------------------------------------------------------- %
% ----------------------------------------------------------------------- %
function [Archive_X_Chopped, Archive_F_Chopped, Archive_mem_ranks_updated, Archive_member_no]=HandleFullArchive(Archive_X, Archive_F, Archive_member_no, Archive_mem_ranks, ArchiveMaxSize)
for i=1:size(Archive_F,1)-ArchiveMaxSize
index=RouletteWheelSelection(Archive_mem_ranks);
Archive_X=[Archive_X(1:index-1,:) ; Archive_X(index+1:Archive_member_no,:)];
Archive_F=[Archive_F(1:index-1,:) ; Archive_F(index+1:Archive_member_no,:)];
Archive_mem_ranks=[Archive_mem_ranks(1:index-1) Archive_mem_ranks(index+1:Archive_member_no)];
Archive_member_no=Archive_member_no-1;
end
Archive_X_Chopped=Archive_X;
Archive_F_Chopped=Archive_F;
Archive_mem_ranks_updated=Archive_mem_ranks;
⛄ 运行结果
⛄ 参考文献
Khodadadi, Nima, et al. “Multi-Objective Stochastic Paint Optimizer (MOSPO).” Neural Computing and Applications, Springer Science and Business Media LLC, June 2022, doi:10.1007/s00521-022-07405-z.
⛄ Matlab代码关注
❤️部分理论引用网络文献，若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料
