# 【智能优化算法-天鹰算法】基于改进天鹰优化算法求解多目标优化问题附matlab代码

+关注继续查看

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

## ⛄ 部分代码

close all;

clear ;

clc;

%%

% TestProblem测试问题说明：

%一共46个多目标测试函数，详情如下：

%1-5:ZDT1、ZDT2、ZDT3、ZDT4、ZDT6

%6-12：DTLZ1-DTLZ7

%13-22：wfg1-wfg10

%23-32：uf1-uf10

%33-42：cf1-cf10

%43-46:Kursawe、Poloni、Viennet2、Viennet3

%%

TestProblem=3;%1-46

MultiObj = GetFunInfo(TestProblem);

MultiObjFnc=MultiObj.name;%问题名

% Parameters

params.Np = 200;        % Population size

params.Nr = 200;        % Repository size

params.maxgen =300;    % Maximum number of generations

params.ngrid = 30;      % Number of grids in each dimension

params.maxvel = 5;      % Maxmium vel in percentage

% MOAO

REP = MOAO(params,MultiObj);

%% 画结果图

figure(2)

if(size(REP.pos_fit,2)==2)

h_rep = plot(REP.pos_fit(:,1),REP.pos_fit(:,2),'or'); hold on;

if(isfield(MultiObj,'truePF'))

h_pf = plot(MultiObj.truePF(:,1),MultiObj.truePF(:,2),'.k'); hold on;

legend('MOAO','RealPareto');

else

legend('MOAO');

end

grid on; xlabel('f1'); ylabel('f2');

end

if(size(REP.pos_fit,2)==3)

h_rep = plot3(REP.pos_fit(:,1),REP.pos_fit(:,2),REP.pos_fit(:,3),'or'); hold on;

if(isfield(MultiObj,'truePF'))

h_pf = plot3(MultiObj.truePF(:,1),MultiObj.truePF(:,2),MultiObj.truePF(:,3),'.k'); hold on;

legend('MOAO','RealPareto');

else

legend('MOAO');

end

grid on; xlabel('f1'); ylabel('f2'); zlabel('f3');

end

title(MultiObjFnc)

%%

% Display info

disp('Repository fitness values are stored in REP.pos_fit');

disp('Repository particles positions are store in REP.pos');

%%  Metric Value

M_IGD=IGD(REP.pos_fit,MultiObj.truePF);

M_GD=GD(REP.pos_fit,MultiObj.truePF);

M_HV=HV(REP.pos_fit,MultiObj.truePF);

M_Spacing=Spacing(REP.pos_fit,MultiObj.truePF);

M_DeltaP=DeltaP(REP.pos_fit,MultiObj.truePF);

display(['The IGD Metric obtained by MOAO is     : ', num2str(M_IGD)]);

display(['The GD Metric obtained by MOAO is      : ', num2str(M_GD)]);

display(['The HV Metric obtained by MOAO is      : ', num2str(M_HV)]);

display(['The Spacing Metric obtained by MOAO is : ', num2str(M_Spacing)]);

display(['The DeltaP Metric obtained by MOAO is  : ', num2str(M_DeltaP)]);

## ⛄ 参考文献

Abualigah, L., Yousri, D., Elaziz, M.A., Ewees, A.A., A. Al-qaness, M.A., Gandomi,A.H., Aquila Optimizer: A novel meta-heuristic optimization Algorithm, Computers & Industrial Engineering

##### ❤️部分理论引用网络文献，若有侵权联系博主删除

|
1月前
|

SSA-ELM回归预测 | Matlab 基于麻雀优化算法优化极限学习机的回归预测
SSA-ELM回归预测 | Matlab 基于麻雀优化算法优化极限学习机的回归预测
32 0
|
1月前
|

SSA-KELM分类预测 | Matlab麻雀优化算法优化核极限学习机分类预测
SSA-KELM分类预测 | Matlab麻雀优化算法优化核极限学习机分类预测
34 0
|
1月前
|

SMA-KELM分类预测 | Matlab黏菌优化算法优化核极限学习机分类预测
SMA-KELM分类预测 | Matlab黏菌优化算法优化核极限学习机分类预测
19 1
|
1月前
|

FOA-BP分类预测 | Matlab果蝇优化算法优化BP神经网络分类预测
FOA-BP分类预测 | Matlab果蝇优化算法优化BP神经网络分类预测
31 0
|
1月前
|

SMA-BP分类预测 | Matlab黏菌优化算法优化BP神经网络分类预测
SMA-BP分类预测 | Matlab黏菌优化算法优化BP神经网络分类预测
50 0
|
1月前
|

PSO-BP分类预测 | Matlab粒子群优化算法优化BP神经网络分类预测
PSO-BP分类预测 | Matlab粒子群优化算法优化BP神经网络分类预测
40 0
|
2月前
|

29 0
|
2月前
|

GWO-LSTM回归预测 | Matlab灰狼优化算法优化长短时记忆网络回归预测
GWO-LSTM回归预测 | Matlab灰狼优化算法优化长短时记忆网络回归预测
33 0
|
2月前
|

SMA-BP回归预测 | Matlab 黏菌优化算法优化BP神经网络回归预测
SMA-BP回归预测 | Matlab 黏菌优化算法优化BP神经网络回归预测
25 0
|
2月前
|

WOA-BP回归预测 | Matlab 鲸鱼优化算法优化BP神经网络回归预测
WOA-BP回归预测 | Matlab 鲸鱼优化算法优化BP神经网络回归预测
33 0