随机固定分组合作协同进化NSGA2算法

pulbieup

% O+ U9 _% D* C) k9 E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。
1 }! {7 ^* @4 g5 k9 s7 b$ t
NSGA2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。
* g6 L' e6 l% b( b0 e: g3 B
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。
( S3 ^7 k( U8 [% }' F  T
) t  j" {. b# M  F$ d, R9 e. ?3 DMATLAB主函数代码：
; e7 l" }5 _! ~8 @* C( C! y

• %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
• 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');
  / f  C- H$ J5 V* W2 |

   
# T. ]6 Z7 L5 q: ?: d, e% X
7 A4 ?& }* y5 j; Z) s随机分组代码：
, K. p9 m7 X; z& r! K6 \/ z
1 V* G* q1 ]4 P& w+ f2 P3 x, b1 T

• % 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
  - d: o" x5 Q0 [1 L0 y+ F  [

# B/ p* g+ _2 o2 R  E



" _$ \/ x3 [  v; Z8 M) x7 H

younicp

随机固定分组合作协同进化NSGA2算法