前言

之前写过在python中的多目标遗传算法了，但是很可惜的是python调用商用有限元软件比较费事，需要在ironpython的编译环境下调用，然后这个ironpython它又是个老古董，不支持pandas和numpy这些python必备的第三方库（内心是崩溃的）。没办法，被迫向matlab低头。从头学起来吧，好在有了python的基础学matlab也是比较容易的。

代码实现

这个代码水平写得比较low，毕竟我刚学matlab，多多包含。相关的理论说明在我之前的博客中给出了，在此就不赘述了，理论说明贴个链接：

Python_多目标遗传算法_入门学习+代码实现

直接上代码了哈。首先是两个待优化的函数。

function y=fun1(x)
%optimal function one
y=(x-1)^2;
end

function y=fun2(x)
%optimal function two
y=cos(x);
end

接着就是算法进化过程了：

%%get initial parameter
NP=70;  
L=10;    
Pc=0.8;  
Pm=0.2;  
G=30;        %迭代次数 
Xs=pi/2;   
Xx=0;
%% generate Primary population
f=randi([0,1],NP,L);
x=zeros(1,NP*2);
tempx=zeros(1,NP*2);
f1trace=[];
f2trace=[];
%% begin to Iteration
for i=1:1:G
    disp([i]);
    %pause(10);
    f1=zeros(1,NP*2);
    f2=zeros(1,NP*2);
    nf=f;
    for M=1:2:NP
        p=rand();
        if p<Pc
            q=randi([0,1],1,L);
            for j=1:1:L
                if q(j)==1
                    tempsize=nf(M+1,j);
                    nf(M+1,j)=nf(M,j);
                    nf(M,j)=tempsize;
                end
            end
        end
    end
    j=1;
    while j<=NP*Pm
        h=randi(NP);
        for k=1:1:round(NP*Pm)
            g=randi(L);
            nf(h,g)=~nf(h,g);
        end
        j=j+1;
    end
    newf=[f;nf];           %垂直方向合并两个矩阵
    tempsize=size(newf);
    for j = 1:1:tempsize(1)
        U=newf(j,:);
        m=0;
        for k =1:1:L
            m=U(k)*2^(k-2)+m;
        end
        x(j)=Xx+m*(Xs-Xx)/(2^(L-1));
        f1(j)=func(x(j));
        f2(j)=func1(x(j));   %f1,f2都是预先分配好内存了的，避免了append的使用
    end
    lenfs=length(f1)*2;
    fs=zeros(1,lenfs);
    for j=1:2:lenfs
        fs(j)=f1((j+1)/2);
        fs(j+1)=f2((j+1)/2);
    end
    fs=reshape(fs,2,lenfs/2);
    ps=zeros(length(f1),length(f1));
    for k =1:1:length(f1)
        for j = 1:1:length(f1)
            if fs(1,k)<fs(1,j) && fs(2,k)<fs(2,j)
                ps(k,j)=1;
            elseif fs(1,k)<fs(1,j) && fs(2,k)==fs(2,j)
                ps(k,j)=1;
            elseif fs(1,k)==fs(1,j) && fs(2,k)<fs(2,j)
                ps(k,j)=1;
            end
        end
    end
    jishu=zeros(1,length(f1));       %问题记录，把数值大的点筛出来了的，判断语句没问题，但是结果中
    for k = 1:1:length(f1)           %又出现数值大的点了，这些点从何处来？
        tempa=0;
        for j = 1:1:length(f1)
            if ps(j,k)==1
                tempa=tempa+1;
            end
        end
        jishu(k)=tempa;
    end
    [num,index]=sort(jishu);
    uninum=unique(num);     %向量去重
    front=cell(1,length(uninum));
    for k =1:1:length(uninum)
        temmat=[];
        for j =1:1:length(index)
            if num(j)==uninum(k)
                temmat=[temmat,index(j)];  %记录对应索引
            end
        end
        front{k}=temmat;
    end
    f=[];
    for j = 1:1:length(front)
        if length(f)==NP
            break
        end
        tempf=[];
        for k=1:1:length(front{j})
            tempf=[tempf;newf(front{j}(k),:)];
        end
        tempf1=[];
        tempf2=[];
        [widtemf,wif_]=size(tempf);
        for M = 1:1:widtemf
            U=tempf(M,:);
            m=0;
            for k =1:1:L
                m=m+U(k)*(2^(k-2));
            end
            xtemp=Xx+m*(Xs-Xx)/(2^(L-1));
            tempf1=[tempf1,func(xtemp)];
            tempf2=[tempf2,func1(xtemp)];
        end
        [temp1sort,temp1index]=sort(tempf1);
        distance=zeros(1,length(tempf1));
        distance(temp1index(1))=inf;
        distance(temp1index(end))=-inf;
        for k=1:1:length(temp1index)-1
            if abs(distance(temp1index(k)))<10
                distace(temp1index(k))=(tempf1(temp1index(k+1))-tempf1(temp1index(k-1)))/(max(tempf1)-min(tempf1));
            else
                continue
            end
        end
        [temp2sort,temp2index]=sort(tempf2);
        distance1=zeros(1,length(tempf2));
        distance1(temp2index(1))=inf;
        distance1(temp2index(end))=-inf;
        for k=1:1:length(temp2index)-1
            if abs(distance1(temp2index(k)))<10
                distace1(temp2index(k))=(tempf2(temp2index(k+1))-tempf2(temp2index(k-1)))/(max(tempf2)-min(tempf2));
            else
                continue
            end
        end
        
        sumdis=[];
        for k =1:1:length(distance)
            sumdistance=distance(k)+distance1(k);
            sumdis=[sumdis,sumdistance];
        end
        [dis_,disindex]=sort(sumdis,'descend');
        for k=1:1:length(sumdis)
            f=[f;tempf(disindex(k),:)];
            if length(f)==NP
                break
            end
        end
%         f=reshape(f,length(f)/L,L);
        f1=[];
        f2=[];
        [lenf,wid_]=size(f);
        for j=1:1:lenf
            U=f(j,:);
            m=0;
            for k =1:1:L
                m=m+U(k)*(2^(k-2));
            end
            x(j)=Xx+m*(Xs-Xx)/(2^(L-1));
            f1=[f1,func(x(j))];
            f2=[f2,func1(x(j))];
        end
    end
        name=['F:/单轨吊驱动电机/maxwell调用/测试/pic/','pareto',num2str(i),'.png']; %保存图片到指定文件夹并命名
        plot(f1,f2,'o','MarkerSize',7);
        set(gca,'FontName','Times New Roman');
        grid on
        title('优化前沿曲线','FontName','宋体');
        xlabel('f1value')
        ylabel('f2value')
        saveas(gcf, name);
end

最后的话

代码的确写得比较不堪入目，但是结果是好的，功能可以保证实现。

第一代优化结果：

 第30代结果：

 再多说两句，之前一直用python，就不想去学matlab，限制在自己的舒服区了，之后还是要多尝试尝试，不能一直止步不前。