EDA365电子论坛网

标题: 随机固定分组合作协同进化NSGA2算法 [打印本页]

---

作者: pulbieup    时间: 2020-10-16 14:43
标题: 随机固定分组合作协同进化NSGA2算法

合作协同进化（Cooperative Coevolution）是求解大规模优化算法一个有效的方法。将大规模问题分解为一组组较小的子问题。而合作协同进化的关键是分解策略。
: U9 W0 J# {, r& ]) |
0 J# F, u. e$ B6 ^) j  L. f! UNSGA2算法是一种多目标遗传算法。此文章是随机固定分组的合作协同进化利用NSGA2来优化。

/ y) A9 U; A8 E6 O/ v2 A, v比如有12个决策变量，我们固定随机优化3个决策变量，那么就将决策变量分成了4组。
, G9 {# {" i- r2 A4 A( @
MATLAB主函数代码：
. j, V% c) @+ A: v
3 Q. U/ G$ ?; K7 H1 `( x" g/ ~) F

• %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
• clc;
• clear;
• global pop
• pop = 500; %种群数量
• gen = 2; %迭代次数
• global M
• M = 2; %目标数量
• Dim=22;             %搜索空间维数（未知数个数）
• sub_dim= 2 ;
• global min_range
• global max_range
• min_range = zeros(1, Dim); %下界
• max_range = ones(1,Dim); %上界
• %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
• divide_datasets();
• global answer
• answer=cell(M,3);
• Dim_index = ones(1,1)*(1：Dim+4);
• %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
• chromosome = initialize_variables(pop, M, Dim, min_range, max_range, Dim_index);
• chromosome = non_domination_sort_mod(chromosome, M, Dim);
• result = 1;
• while gen ~= 0
•     subgroup = rnd_divide(Dim, sub_dim);
•     for i=1:length(subgroup)
•         subgroup{i}(sub_dim+1)=Dim+1;
•         subgroup{i}(sub_dim+2)=Dim+2;
•         subgroup{i}(sub_dim+3)=Dim+3;
•         subgroup{i}(sub_dim+4)=Dim+4;
•         [temp_chromosome] = nsga2(chromosome(:,subgroup{i}), sub_dim, subgroup{i});
•         chromosome(:,subgroup{i}(1:sub_dim)) = temp_chromosome(:,1:sub_dim);
•     end
•     chromosome = nsga2(chromosome, Dim, Dim_index);
•     chromosome = non_domination_sort_mod(chromosome, M, Dim);
•     gen =gen - 1;
•     progress = 1-gen/10
• end
• plot(chromosome(:,Dim + 1),chromosome(:,Dim + 2),'*');
• xlabel('f_1'); ylabel('f_2');
• title('Pareto Optimal Front');
  : k- O; D4 W) G7 Q

   
) y8 f$ N6 T' E
; b$ l6 O5 K0 @7 \随机分组代码：
# N4 I- _& _/ N0 i3 t5 p- ?" |
7 M$ b# p# X+ |2 s+ U

• % random grouping
• function group = rnd_divide(dim, subdim)
•    dim_rand = randperm(dim);
•    group = {};
•    for i = 1:subdim:dim
•       index = dim_rand(i:i+subdim-1);
•       group = {group{1:end} index};
•    end
• end
  

! b; T" F! ^5 G' S# g2 ?  i

3 \2 k% H% M% x. `2 N( J0 ~

---

作者: younicp    时间: 2020-10-16 15:21
随机固定分组合作协同进化NSGA2算法

---

欢迎光临 EDA365电子论坛网 (https://bbs.eda365.com/)

Powered by Discuz! X3.2