高尔夫优化算法(Golf Optimization Algorithm,GOA)由Montazeri Z等人于2023年提出,该算法模拟高尔夫运动过程中的球员击打高尔夫所采取的战术策略,能够有效平衡全局搜索和局部搜索的能力。
参考文献:
[1] Montazeri Z, Niknam T, Aghaei J, Malik OP, Dehghani M, Dhiman G. Golf Optimization Algorithm: A New Game-Based Metaheuristic Algorithm and Its Application to Energy Commitment Problem Considering Resilience. Biomimetics. 2023; 8(5):386. Biomimetics | Free Full-Text | Golf Optimization Algorithm: A New Game-Based Metaheuristic Algorithm and Its Application to Energy Commitment Problem Considering Resilience
基于非支配排序的高尔夫优化算法(Non-Dominated Golf Optimization Algorithm,NSGOA)由高尔夫优化算法与非支配排序策略结合而成。将NSGOA用于求解46个多目标测试函数(ZDT1、ZDT2、ZDT3、ZDT4、ZDT6、DTLZ1-DTLZ7、WFG1-WFG10、UF1-UF10、CF1-CF10、Kursawe、Poloni、Viennet2、Viennet3)以及1个工程应用(盘式制动器设计),并采用IGD、GD、HV、SP进行评价。
(1)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:DZDT1-DZDT7 %13-22:wfg1-wfg10 %23-32:uf1-uf10 %33-42:cf1-cf10 %43-46:Kursawe、Poloni、Viennet2、Viennet3 %47 盘式制动器设计 温泽宇,谢珺,谢刚,续欣莹.基于新型拥挤度距离的多目标麻雀搜索算法[J].计算机工程与应用,2021,57(22):102-109. %% TestProblem=1;%1-47 MultiObj = GetFunInfo(TestProblem); MultiObjFnc=MultiObj.name;%问题名 % Parameters params.Np = 100; % Population size params.Nr = 200; % Repository size params.maxgen =100; % Maximum number of generations numOfObj=MultiObj.numOfObj;%目标函数个数 D=MultiObj.nVar;%维度 f = NSGOA(params,MultiObj); X=f(:,1:D);%PS Obtained_Pareto=f(:,D+1:D+numOfObj);%PF if(isfield(MultiObj,'truePF'))%判断是否有参考的PF True_Pareto=MultiObj.truePF; %% Metric Value % ResultData的值分别是IGD、GD、HV、Spacing (HV越大越好,其他指标越小越好) ResultData=[IGD(Obtained_Pareto,True_Pareto),GD(Obtained_Pareto,True_Pareto),HV(Obtained_Pareto,True_Pareto),Spacing(Obtained_Pareto)]; else %计算每个算法的Spacing,Spacing越小说明解集分布越均匀 ResultData=Spacing(Obtained_Pareto);%计算的Spacing end %% disp('Repository fitness values are stored in Obtained_Pareto'); disp('Repository particles positions are store in X');
(2)部分结果