NSGAII-有约束限制的优化问题_NSGAII约束_NSGAII_NSGA_nsga约束_NSGAII-有约束限制的优化问题_

clc; clear; close all; profile on %% 设置测试函数 addpath('test_function');%将测试函数文件夹添加到搜索路径中 problem=set_problem(2);%1=Constr_Ex; 2=Osyczka_Kundu; 3=CTP1; %% 遗传算法参数 GAParameters.popsize=100; GAParameters.maxgen=100; GAParameters.pc=0.7; GAParameters.pm=0.4; %% 种群初始化 P=initialize_pop(problem,GAParameters); %% 主程序 k=0; while k<GAParameters.maxgen [P,Front]=nondominate_sort(P,GAParameters.popsize);%非支配排序(nondominated sorting) P=crowding_distance(P,Front);%计算拥挤度距离(crowding distance) [P,Front]=sort_pop(P);%按照非支配优先级排序和拥挤度距离大小对种群进行排序 plot_front(P(Front{1}),problem,k+1);%绘制pareto前沿 Q=tournament_select(P,GAParameters.popsize);%锦标赛选择 %%遗传操作 var=[Q.var]; var=simulated_binary_cross(var,problem,GAParameters);%模拟二进制交叉 var=polynomal_mutate(var,problem,GAParameters);%多项式变异 CV=problem.fun_CV(var);%计算CV值 obj=problem.fun(var);%计算目标值 %更新Q for i=1:GAParameters.popsize Q(i).var=var(:,i); Q(i).obj=obj(:,i); Q(i).CV=CV(i); end R=[P;Q];%P和Q混合 [R,Front]=nondominate_sort(R,2*GAParameters.popsize);%非支配排序(nondominated sorting) R=crowding_distance(R,Front);%计算拥挤度距离(crowding distance) [R,~]=sort_pop(R);%按照非支配优先级排序和拥挤度距离对种群进行排序 P=R(1:GAParameters.popsize);%产生新一代群体 k=k+1;%更新迭代次数 end %% 绘制结果 legend('ParetoFront-NSGAII');%添加图例 title(problem.name);%添加标题 rmpath('test_function');%将测试函数文件夹从搜索路径中删除 cd('test_function_result_plot') savefig(problem.name);%保存绘制的图像 profile viewer