MOPSO 多目标粒子群python实现

参考：
https://blog.csdn.net/m0_38097087/article/details/79818348
http://yarpiz.com/59/ypea121-mopso
Coello C A C , Pulido G T , Lechuga M S . Handling multiple objectives with particle swarm optimization[J]. IEEE Transactions on Evolutionary Computation, 2004, 8(3):256-279.。

是按照上面的第三个的那篇论文实习实现的
论文里面的速度更新公式没有用到惯性c，好像是因为他有个变异算子(还没实现)。

算法流程

初始化群体粒子群的位置和速度，计算适应值
评价粒子的适应度和Pareto支配关系
将非劣解保存到Archive中去
计算Archive集中的拥挤度，为粒子选择gbest
更新粒子的速度、位置、适应度、pbest
更新Archive
满足结束条件，则结束；否则，转到第4步继续循环。

import numpy as np
class Partical:#每次都是对一个粒子进行操作def __init__(self,x_min,x_max,max_v,min_v,fitness):self.dim=len(x_min) #获得变量数self.max_v=max_vself.min_v=min_vself.x_min=x_minself.x_max=x_maxself.dominated=False #表示是否被支配self.pos=np.zeros(self.dim)self.pbest=np.zeros(self.dim)self.initPos(x_min,x_max)#初始化粒子坐标&pbestself._v=np.zeros(self.dim)self.fitness=fitnessself.cur_fitness=fitness(self.pos)#当前的适应度self.bestFitness=fitness(self.pos)#初始化pbestdef _updateFit(self):if isDominates(np.array(self.cur_fitness),np.array(self.bestFitness)):self.bestFitness=self.cur_fitnessself.pbest=self.poselif isDominates(np.array(self.bestFitness),np.array(self.cur_fitness)):passelse:#互不支配随机选择一个if np.random.random()<0.5:self.bestFitness=self.cur_fitnessself.pbest=self.posdef _updatePos(self):self.pos=self.pos+self._vfor i in range(self.dim):self.pos[i]=min(self.pos[i],self.x_max[i])self.pos[i]=max(self.pos[i],self.x_min[i])def _updateV(self,w,c1,c2,gbest):'''这里进行的都是数组的运算'''self._v=w*self._v+c1*np.random.random()*(self.pbest-self.pos)+c2*np.random.random()*(gbest-self.pos)for i in range(self.dim):self._v[i]=min(self._v[i],self.max_v[i])self._v[i]=max(self._v[i

MOPSO 多目标粒子群python实现相关推荐

c语言实现多目标优化,MOPSO 多目标例子群优化算法
近年来,基于启发式的多目标优化技术得到了很大的发展,研究表明该技术比经典方法更实用和高效.有代表性的多目标优化算法主要有NSGA.NSGA-II.SPEA.SPEA2.PAES和PESA等.粒子群优化 ...
matlab粒子群加约束条件_多目标粒子群(PSO)与MATLAB程序视频教程及动态优化问题约束条件...
[内容简介]<粒子群算法与应用和MATLAB程序详解视频>共15章186节视频,总学时1917分钟,合32小时.主要内容包括:粒子群算法(PSO)基本概念与算法流程,粒子群算法利用MATL ...
MOPSO 多目标粒子群算法
MOPSO 多目标粒子群算法 1.算法简介多目标粒子群(MOPSO)算法是由CarlosA. Coello Coello等人在2004年提出,目的是将原来只能用在单目标上的粒子群算法(PSO)应用于 ...
python 粒子群_Python实现粒子群算法的示例
粒子群算法是一种基于鸟类觅食开发出来的优化算法,它是从随机解出发,通过迭代寻找最优解,通过适应度来评价解的品质. PSO算法的搜索性能取决于其全局探索和局部细化的平衡,这在很大程度上依赖于算法的控制参 ...
粒子群PSO算法 python实现（亲测）
受到生物学家Frank Heppner建立的鸟群运动模型影响,James Kennedy和Russell Eberhart于1995年提出了粒子群优化算法(Particle Swarm Optimiz ...
基于粒子群PSO优化灰色神经网络的鞋销量预测
目标背影灰色模型原理神经网络原理灰色神经网络原理粒子群算法的原理粒子群改进灰色神经网络原理基于粒子群PSO优化灰色神经网络的鞋销量预测效果图结果分析展望参考背影提前预测销量, ...
粒子群(pso)算法详解matlab代码,粒子群(pso)算法详解matlab代码
粒子群(pso)算法详解matlab代码 (1)---- 一.粒子群算法的历史粒子群算法源于复杂适应系统(Complex Adaptive System,CAS).CAS理论于1994年正式提出,C ...
OpenCV+yolov3实现目标检测(C++,Python)
OpenCV+yolov3实现目标检测(C++,Python) 目标检测算法主要分为两类:一类是基于Region Proposal(候选区域)的算法,如R-CNN系算法(R-CNN,Fast R-CN ...
粒子群算法组卷_粒子群（PSO）算法概念及代码实现
粒子群算法的由来及思想粒子群算法最早是由两名美国的科学家基于群鸟觅食,寻找最佳觅食区域的过程所提出来的,作为一种智能算法,PSO模拟的就是最佳决策的过程,鸟群觅食类似于人类的决策过程,想想在你做出选 ...

MOPSO 多目标粒子群python实现

算法流程

MOPSO 多目标粒子群python实现相关推荐

最新文章

热门文章