非支配排序的蜣螂算法(NSDBO)，MATLAB代码免费获取

最新推荐文章于 2025-12-27 06:49:29 发布

原创最新推荐文章于 2025-12-27 06:49:29 发布 · 350 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#matlab #开发语言

本文介绍了非支配排序的蜣螂优化算法NSDBO，相比于网格机制，它在处理多目标问题时表现出较高的效率。提供了代码示例，展示了算法的主函数和性能评估指标，如执行效率以及IGD、GD、HV和Spacing等。

非支配排序的蜣螂优化算法（Non-Dominated Sorting Dung beetle optimizer），与网格机制不同，多目标蜣螂优化算法采用的是传统的非支配方式，使用起来更加高效。

多目标蜣螂算法结果如下：

多目标蜣螂算法的执行效率还是相当高的，代码写的也很清楚简单。

主函数代码：

close all;
clear ; 
clc;
%%
TestProblem=31;%1-47
MultiObj = GetFunInfo(TestProblem);
MultiObjFnc=MultiObj.name;%问题名
% Parameters
params.Np = 300;        % Population size
params.Nr = 300;        % Repository size
params.maxgen =300;     % Maximum number of generations
numOfObj=MultiObj.numOfObj;%目标函数个数
D=MultiObj.nVar;%维度
f = NSDBO(params,MultiObj);
X=f(:,1:D);%PS
Obtained_Pareto=f(:,D+1:D+numOfObj);%PF
if(isfield(MultiObj,'truePF'))%判断是否有参考的PF
True_Pareto=MultiObj.truePF;
%%  Metric Value
% ResultData的值分别是IGD、GD、HV、Spacing  (HV越大越好，其他指标越小越好)
ResultData=[IGD(Obtained_Pareto,True_Pareto),GD(Obtained_Pareto,True_Pareto),HV(Obtained_Pareto,True_Pareto),Spacing(Obtained_Pareto)];
else
    %计算每个算法的Spacing，Spacing越小说明解集分布越均匀
    ResultData=Spacing(Obtained_Pareto);%计算的Spacing
end
%%
disp('Repository fitness values are stored in Obtained_Pareto');
disp('Repository particles positions are store in X');

点击下方阅读原文，免费获取本文完整代码。