失眠网 > 【多目标优化求解】基于matlab金鹰算法求解多目标优化问题【含Matlab源码 188期】

【多目标优化求解】基于matlab金鹰算法求解多目标优化问题【含Matlab源码 188期】

时间：2021-04-19 14:01:45

一、获取代码方式

获取代码方式1：

完整代码已上传我的资源：【多目标优化求解】基于matlab金鹰算法求解多目标优化问题【含Matlab源码 188期】

获取代码方式2：

通过订阅紫极神光博客付费专栏，凭支付凭证，私信博主，可获得此代码。

备注：

订阅紫极神光博客付费专栏，可免费获得1份代码（有效期为订阅日起，三天内有效）；

二、金鹰算法简介

本文介绍了一种基于自然启发的基于群体的元启发式算法来求解全局优化问题，称为金鹰优化器（GEO）。GEO的核心灵感来源于金雕在其螺旋轨迹的不同阶段调节速度以进行狩猎的智能。它们在狩猎的最初阶段表现出更大的游动和搜索猎物的倾向，在最后阶段更倾向于攻击。金鹰通过调整这两个组成部分，在可行区域内以最短的时间捕捉到可能的最佳猎物。这种行为被数学建模，以突出对全局优化方法的探索和开发。通过33个基准测试函数和可扩展性测试，验证了该算法的性能。结果表明，GEO算法能有效地找到全局最优解，避免局部最优解。为了解决多目标优化问题，提出了多目标金鹰优化（MOGEO）。

三、部分源代码

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % Multi-Objective Golden Eagle Optimizer (MOGEO) source codes version 1.0% % Original paper:Abdolkarim Mohammadi-Balani, Mahmoud Dehghan Nayeri, %Adel Azar, Mohammadreza Taghizadeh-Yazdi, %Golden Eagle Optimizer: A nature-inspired %metaheuristic algorithm, Computers & Industrial Engineering.% To use this code in your own project % remove the line for 'GetFunctionDetails' function % and define the following parameters: % fun : function handle to the .m file containing the objective function% the .m file you define should accept 'x' as input and return % a column vector containing objective function values % nobj : number of objectives % nvars : number of decision/design variables % lb : lower bound of decision variables (must be of size 1 x nvars)% ub : upper bound of decision variables (must be of size 1 x nvars)%% MOGEO will return the following: % x: best solution found % fval : objective function value of the found solution %% Inputs FunctionNumber = 7; % 1-10options.PopulationSize = 200;options.ArchiveSize = 100;options.MaxIterations = 1000;options.FunctionNumber = FunctionNumber;%% Run Multi-Objective Golden Eagle Optimizer [fun,nobj,nvars,lb,ub] = GetFunctionDetails (FunctionNumber);options.AttackPropensity = [0.5 , 2];options.CruisePropensity = [1 , 0.5];[x,fval] = MOGEO (fun,nobj,nvars,lb,ub, options);