一、5种多目标优化算法简介
1.1NSWOA
1.2MOJS
1.3MOAHA
1.4MOPSO
1.5NSGA2
二、5种多目标优化算法性能对比
为了测试5种算法的性能将其求解9个多目标测试函数（zdt1、zdt2 、zdt3、 zdt4、 zdt6 、Schaffer、 Kursawe 、Viennet2、 Viennet3），其中Viennet2 与Viennet3的目标为3，其余测试函数的目标为2，并采用6种评价指标（IGD、GD、HV、Coverage、Spread、Spacing）进行评价对比
2.1部分代码
close all;
clear ;
clc;
addpath('./MOJS/')%添加算法路径
addpath('./MOGWO/')%添加算法路径
addpath('./NSWOA/')%添加算法路径
addpath('./MOPSO/')%添加算法路径
addpath('./MOAHA/')%添加算法路径
%%
% TestProblem测试问题说明：
%一共9个多目标测试函数1-9分别是： zdt1 zdt2 zdt3 zdt4 zdt6 Schaffer Kursawe Viennet2 Viennet3
%%
TestProblem=9;%测试函数1-9
MultiObj = GetFunInfo(TestProblem);
MultiObjFnc=MultiObj.name;%问题名
% Parameters
params.Np = 100; % Population size 种群大小
params.Nr = 200; % Repository size 外部存档
params.maxgen=50; % Maximum number of generations 最大迭代次数
numOfObj=MultiObj.numOfObj;%目标函数个数
%% 算法求解，分别得到paretoPOS和paretoPOF
[Xbest1,Fbest1] = MOGWO(params,MultiObj);
[Xbest2,Fbest2] = MOJS(params,MultiObj);
[Xbest3,Fbest3] = NSWOA(params,MultiObj);
[Xbest4,Fbest4] = MOPSO(params,MultiObj);
[Xbest5,Fbest5] = MOAHA(params,MultiObj);
FbestData(1).data=Fbest1;
FbestData(2).data=Fbest2;
FbestData(3).data=Fbest3;
FbestData(4).data=Fbest4;
FbestData(5).data=Fbest5;
%% 获取测试函数的真实pareto前沿
True_Pareto=MultiObj.truePF;
%% 计算每个算法的评价指标
% ResultData的值分别是IGD、GD、HV、Coverage、Spread、Spacing
for i=1:5
Fbest=FbestData(i).data;
ResultData(i,:)=[IGD(Fbest,True_Pareto),GD(Fbest,True_Pareto),HV(Fbest,True_Pareto),Coverage(Fbest,True_Pareto),Spread(Fbest,True_Pareto),Spacing(Fbest,True_Pareto)];
end
%% 画图
PlotFigure;
2.2部分结果
（1）以Kursawe为例：
（2）以Viennet2为例：
文章来源：https://www.toymoban.com/news/detail-836705.html
三、完整MATLAB代码
文章来源地址https://www.toymoban.com/news/detail-836705.html
到了这里，关于五种多目标优化算法（NSWOA、MOJS、MOAHA、MOPSO、NSGA2）性能对比（提供MATLAB代码）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
