多目标perota优化MATLAB算法

多目标perota优化MATLAB算法，运用算法，通过MATLAB进行自动优化

%% 该函数演示多目标perota优化问题
%清空环境
clc
clear

load data


%% 初始参数
objnum=size（P1）; %类中物品个数
weight=92;        %总重量限制

%初始化程序
Dim=5;     %粒子维数
xSize=50;  %种群个数
MaxIt=200; %迭代次数
c1=0.8;    %算法参数
c2=0.8;    %算法参数 
wmax=1.2;  %惯性因子
wmin=0.1;  %惯性因子

x=unidrnd（4xSizeDim）;  %粒子初始化
v=zeros（xSizeDim）;      %速度初始化

xbest=x;           %个体最佳值
gbest=x（1:）;      %粒子群最佳位置

% 粒子适应度值 
px=zeros（1xSize）;   %粒子价值目标
rx=zeros（1xSize）;   %粒子体积目标
cx=zeros（1xSize）;   %重量约束

% 最优值初始化
pxbest=zeros（1xSize）; %粒子最优价值目标
rxbest=zeros（1xSize）; %粒子最优体积目标
cxbest=zeros（1xSize）;  %记录重量，以求约束

% 上一次的值
pxPrior=zeros（1xSize）;%粒子价值目标
rxPrior=zeros（1xSize）;%粒子体积目标
cxPrior=zeros（1xSize）;%记录重量，以求约束

%计算初始目标向量
for i=1:xSize
    for j=1:Dim %控制类别
        px（i） = px（i）+P（x（ij）j）;  %粒子价值
        rx（i） = rx（i）+R（x（ij）j）;  %粒子体积
        cx（i） = cx（i）+C（x（ij）j）;  %粒子重量
    end
end
% 粒子最优位置
pxbest=px;rxbest=rx;cxbest=cx;

%% 初始筛选非劣解
flj=[];
fljx=[];
fljNum=0;
%两个实数相等精度
tol=1e-7;
for i=1:xSize
    flag=0;  %支配标志
    for j=1:xSize  
        if j~=i
            if （（px（i）rx（j））） ||（（abs（px（i）-px（j））                    &&  （rx（i）>rx（j）））||（（px（i）weight） 
                flag=1;
                break;
            end
        end
    end
    
    %判断有无被支配
    if flag==0
        fljNum=fljNum+1;
        % 记录非劣解
        flj（fljNum1）=px（i）;flj（fljNum2）=rx（i）;flj（fljNum3）=cx（i）;
        % 非劣解位置
        fljx（fljNum:）=x（i:）; 
    end
end

%% 循环迭代
for iter=1:MaxIt
    
    % 权值更新
    w=wmax-（wmax-wmin）*iter/MaxIt;
     
    %从非劣解中选择粒子作为全局最优解
    s=size（fljx1）;       
    index=randi（s11）;  
    gbest=fljx（index:）;

    %% 群体更新
    for i=1:xSize
        %速度更新
        v（i:）=w*v（i:）+c1*rand（11）*（xbest（i:）-x（i:））+c2*rand（11）*（gbest-x（i:））;
        
        %位置更新
        x（i:）=x（i:）+v（i:）;
        x（i:） = rem（x（i:）objnum）/double（objnum）;
        index1=find（x（i:）<=0）;
        if ~isempty（index1）
            x（iindex1）=rand（size（index1））;
        end
        x（i:）=ceil（4*x（i:））;        
    end
    
    %% 计算个体适应度
    pxPrior（:）=0;
    rxPrior（:）=0;
    cxPrior（:）=0;
    for i=1:xSize
        for j=1:Dim %控制类别
            pxPrior（i） = pxPrior（i）+P（x（ij）j）;  %计算粒子i 价值
            rxPrior（i） = rxPrior（i）+R（x（ij）j）;  %计算粒子i 体积
            cxPrior（i） = cxPrior（i）+C（x（ij）j）;  %计算粒子i 重量
        end
    end
    
    %% 更新粒子历史最佳
    for i=1:xSize
        %现在的支配原有的，替代原有的
         if （（px（i）rxPrior（i））） ||（（abs（px（i）-pxPrior（i））                 &&  （rx（i）>rxPrior（i）））||（（px（i）weight） 
                xbest（i:）=x（i:）;%没有记录目标值
                pxbest（i）=pxPrior（i）;rxbest（i）=rxPrior（i）;cxbest（i）=cxPrior（i）;
          end
        
        %彼此不受支配，随机决定
        if ~（ （（px（i）rxP

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-05-20 15:01  多目标perota优化问题\
     文件         422  2018-05-17 14:20  多目标perota优化问题\data.mat
     文件        6048  2018-05-17 14:20  多目标perota优化问题\main.m