%% 该函数演示多目标perota优化问题 实质:建立多个种群的符合条件的矩阵,寻优
%清空环境
clc
clear
load data
%% 初始参数
objnum=size(P,1); %每一类中物品个数
weight=92; %总重量限制
%初始化程序
Dim=5; %粒子维数
xSize=50; %种群个数
MaxIt=200; %迭代次数
c1=0.8; %算法参数
c2=0.8; %算法参数
wmax=1.2; %惯性因子
wmin=0.1; %惯性因子
x=unidrnd(4,xSize,Dim); %粒子位置初始化 生成50*5矩阵,每个元素的值在1-4之间
v=zeros(xSize,Dim); %速度初始化 生成50*5的0矩阵
xbest=x; %个体最优值 随机初始化,初代个体最佳值
gbest=x(1,:); %粒子群最佳位置
% 粒子适应度值
px=zeros(1,xSize); %粒子价值目标 存放价值目标1*50
rx=zeros(1,xSize); %粒子体积目标 存放体积目标1*50
cx=zeros(1,xSize); %重量约束 存放重量目标1*50
% 最优值初始化,以后的都是用这个表示最优
pxbest=zeros(1,xSize); %粒子最优价值目标
rxbest=zeros(1,xSize); %粒子最优体积目标
cxbest=zeros(1,xSize); %记录重量,以求约束
% 上一次的值
pxPrior=zeros(1,xSize);%粒子价值目标
rxPrior=zeros(1,xSize);%粒子体积目标
cxPrior=zeros(1,xSize);%记录重量,以求约束
%计算初始目标向量
for i=1:xSize
for j=1:Dim %控制类别 5种类别
px(i) = px(i)+P(x(i,j),j); %粒子价值 关键思想:建立一个X矩阵来控制随机选择P、R、C中每一个类别的元素,从而达到达到选择5中产品的效果,本质上x矩阵就是一个产品的50*5种群
rx(i) = rx(i)+R(x(i,j),j); %粒子体积
cx(i) = cx(i)+C(x(i,j),j); %粒子重量
end
end
% 粒子最优位置
pxbest=px;rxbest=rx;cxbest=cx; %将初次计算的种群的初始值 px rx cx作为个体最优值
%% 初始筛选非劣解 用支配的思想
flj=[];
fljx=[];
fljNum=0;
%两个实数相等精度
tol=1e-7;%10的-7次方
for i=1:xSize
flag=0; %支配标志
for j=1:xSize
if j~=i %px代表价值 rx代表体积 cx代表质量 i不好给与flag=1
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) %i处于被支配地位,被j支配
flag=1; %%不满足条件 flag=1说明处于被支配地位,通过对比找到了比i更好的
break;
end
end
end
%判断有无被支配
if flag==0 % i没有被支配,则处于支配位置,只有flag=0即不受支配的种群个体会被记录,满足此条件为非劣解
fljNum=fljNum+1;
% 记录非劣解
flj(fljNum,1)=px(i);flj(fljNum,2)=rx(i);flj(fljNum,3)=cx(i);%记录最佳种群的价值、体积和总质量,初代非劣解集
% 非劣解位置
fljx(fljNum,:)=x(i,:); %确定x就是种群,选择的是物品,本句意思为记录初代最佳方案(种群个体),初代非劣解个体
end
end
%% 循环迭代
for iter=1:MaxIt
% 权值更新
w=wmax-(wmax-wmin)*iter/MaxIt; %惯性权重
%从非劣解中选择粒子作为全局最优解
s=size(fljx,1);
index=randi(s,1,1); %生成一个在1-6之间的1*1的矩阵
gbest=fljx(index,:);%在初代非劣解中随机选择一个作为全局最优解
%% 群体更新 %%将位置种群50个个体全部更新一遍
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,:)); %速度更新是为位置更新做准备,核心是位置不断更新
%位置更新
x(i,:)=x(i,:)+v(i,:);
x(i,:) = rem(x(i,:),objnum)/double(objnum);%rem取余 , double变为双精度类型
index1=find(x(i,:)<=0);
if ~isempty(index1)
x(i,index1)=rand(size(index1));
end
x(i,:)=ceil(4*x(i,:)); %向上取整函数
end
%% 计算个体适应度 %%计算更新后的X种群的价值、体积、重量值
pxPrior(:)=0;
rxPrior(:)=0;
cxPrior(:)=0;
for i=1:xSize
for j=1:Dim %控制类别
pxPrior(i) = pxPrior(i)+P(x(i,j),j); %计算粒子i 价值
rxPrior(i) = rxPrior(i)+R(x(i,j),j); %计算粒子i 体积
cxPrior(i) = cxPrior(i)+C(x(i,j),j); %计算粒子i 重量
end
end
%% 更新粒子历史最佳 %%用新的X种群个体与旧X种群个体逐个比较,取最优
for i=1:xSize
%现在的支配原有的,替代原有的 %%如果pxPrior(i)好,就用现在的个体x(i,:)替代原来的种群个体
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,:);%将新的X中的优质个体赋值给xbest
pxbest(i)=pxPrior(i);rxbest(i)=rxPrior(i);cxbest(i)=cxPrior(i);%%目标值替换
end
%彼此不受支配,随机决定
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;
%更新升级非劣解集合
s=size(flj,1);%目前非劣解集合中元素个数
%先将非劣解集合和xbest合并
pppx=zeros(1,s+xSize);
rrrx=zeros(1,s+xSize);
cccx=zeros(1,s+xSize);
pppx(1:xSize)=pxbest;pppx(xSize+1:end)=flj(:,1)';%将初代非劣解集合和所得的优质pxbest的50个个体合并
rrrx(1:xSize)=rxbest;rrrx(xSize+1:end)=flj(:,2)';
cccx(1:xSize)=cxbest;cccx(xSize+1:end)=flj(:,3)';
xxbest=zeros(s+xSize,Dim);%将初代非劣解集合和所得的优质xbest的50个个体合并
xxbest(1:xSize,:)=xbest;
xxbest(xSize+1:end,:)=fljx;
%筛选非劣解
flj=[];
fljx=[];
k=0;
tol=1e-7;
for i=1:xSize+s
flag=0;%没有被支配
for j=1:xSize+s
if j~=i
if ((pppx(i)<pppx(j)) && (rrrx(i)>rrrx(j))) ||((abs(pppx(i)-pppx(j))<tol) ...
&& (rrrx(i)>rrrx(j)))||((pppx(i)<pppx(j)) && (abs(rrrx(i)-rrrx(j))<tol)) ...
|| (cccx(i)>weight) %有一次被支配,给标志flag=1
flag=1;
break;
end
end
end
%判断有无被支配
if flag==0
k=k+1;
flj(k,1)=pppx(i);flj(k,2)=rrrx(i);flj(k,3)=cccx(i);%记录非劣解
fljx(k,:)=xxbest(i,:);%非劣解位置
end
end
%去掉重复粒子
%fljx为更新后的非劣解集合,%此步骤目的是除去在非劣解集合中的重复粒子,去重复思想:拿flj非劣解集中的元素与逐个比较选择出的不重复解集flj2比较
repflag=0; %重复标志
k=1; %不同非劣解粒子数
flj2=[]; %存储不同非劣解
fljx2=[]; %存储不同非劣解粒子位置
flj2(k,:)=flj(1,:);
fljx2(k,:)=fljx(1,:);%fljx为非劣解集,fli为非劣解
for j=2:size(flj,1)
repflag=0; %重复标志
for i=1:size(flj2,1)
result=(fljx(j,:)==fljx2(i,:));
if length(find(result==1))==Dim
repflag=1;%有重复
end
end
%粒子不同,存储
if repflag==0
k=k+1;
flj2(k,:)=flj(j,:);
fljx2(k,:)=fljx(j,:);
end
end
%非劣解更新
flj=flj2;
fljx=fljx2;
end
%绘制非劣解分布
plot(flj(:,1),flj(:,2),'o')
xlabel('P')
ylabel('R')
title('最终非劣解在目标空间分布')
disp('非劣解flj中三列依次为P,R,C')
智能优化算法--粒子群算法实例应用代码
需积分: 50 41 浏览量
2018-04-09
16:59:55
上传
评论 2
收藏 4KB ZIP 举报
zll_zll_6226
- 粉丝: 1
- 资源: 6