CPO-BP+NSGA，豪冠猪优化BP神经网络+多目标遗传算法！（Matlab完整源码和数据）

效果一览

基本介绍

1.CPO-BP+NSGA，豪冠猪优化BP神经网络+多目标遗传算法！（Matlab完整源码和数据），豪冠猪算法优化BP神经网络的权值和阈值，运行环境Matlab2020b及以上。

多目标优化是指在优化问题中同时考虑多个目标的优化过程。在多目标优化中，通常存在多个冲突的目标，即改善一个目标可能会导致另一个目标的恶化。因此，多目标优化的目标是找到一组解，这组解在多个目标下都是最优的，而不是仅仅优化单一目标。冠豪猪优化算法（Crested Porcupine Optimizer, CPO）是一种新型的元启发式算法，由Abdel-Basset等人于2024年提出。该算法模拟了冠豪猪的防御行为，包括视觉、声音、气味和物理攻击四种策略，用于解决复杂的优化问题。
2.先通过CPO-BP封装因变量(稳态下的效率、压缩机经济成本 ）与自变量(转速、余隙容积全关、用户排气量、冷却水流量）代理模型，再通过nsga寻找极值（稳态下的效率极大;压缩机经济成本极小），并给出对应的转速、余隙容积全关、用户排气量、冷却水流量Pareto解集。

3.data为数据集，4个输入特征，2个输出变量，NSGA算法寻极值，求出极值时(max y1; min y2)的自变量x1,x2,x3,x4。

4.main1.m为CPO-BP神经网络主程序文件、main2.m为NSGA多目标优化算法主程序文件，依次运行即可，其余为函数文件，无需运行。

5.命令窗口输出MAE、MAPE、MSE、RMSE等评价指标，输出相预测对比图、误差分析图、多目标优化算法求解Pareto解集图，可在下载区获取数据和程序内容。

6.适合工艺参数优化、工程设计优化等最优特征组合领域。

数据集

程序设计

• 完整程序和数据获取方式：私信博主回复CPO-BP+NSGA，豪冠猪优化BP神经网络+多目标遗传算法！（Matlab完整源码和数据）。

clear
close all
addpath('toolboox\')
load net.mat
%% 定义自变量范围
nvar = 4;
nobj = 2;
npop = 50;
maxit = 20;
pc = 0.8;
nc = round(pc * npop / 2) * 2;
mu = 0.05;
VarMin = [510,0.125,0.0118,2.7];
VarMax = [720,1,0.044,3.9];
lb=VarMin;
ub=VarMax ;
varmin=lb;
varmax=ub;
step = [30, 0.125, 0.0001, 0.3];
len = (varmax - varmin) ./ step;
var = [varmin;step;varmax;round(len, 0)];
%% 定义结果存放模板
empty.position = [];
empty.cost = [];
empty.rank = [];
empty.domination = [];
empty.dominated = 0;
empty.crowdingdistance = [];
pop = repmat(empty, npop, 1);
%% 初始化种群
for i = 1 : npoppop(i).position = create_x(var);pop(i).cost = costfunction(pop(i).position);
end
%% 非支配排序
[pop,F] = nondominatedsort(pop);
%% 拥挤度计算
pop = calcrowdingdistance(pop,F);
%% 主程序
for it = 1 : maxitpopc = repmat(empty, nc/2,2);for j = 1 : nc / 2p1 = tournamentsel(pop);p2 = tournamentsel(pop);[popc(j, 1).position, popc(j, 2).position] = crossover(p1.position, p2.position);endpopc = popc(:);for k = 1 : ncpopc(k).position = mutate(popc(k).position, mu, var);popc(k).cost = costfunction(popc(k).position);endnewpop = [pop; popc];[pop,F] = nondominatedsort(newpop);pop = calcrowdingdistance(pop,F);% 排序pop = Sortpop(pop);% 淘汰pop = pop(1: npop);

参考资料

GRU门控循环单元+NSGAII多目标优化算法，深度学习工艺参数优化+酷炫相关性气泡图！（Matlab完整源码和数据）
LSTM+NSGAII多目标优化算法，酷炫相关性气泡图！（Matlab完整源码和数据）
NRBO-CNN+NSGAII+熵权TOPSIS，附相关气泡图，Matlab代码！
深度学习工艺参数优化+酷炫相关性气泡图！CNN卷积神经网络+NSGAII多目标优化算法（Matlab完整源码）
工艺参数优化、工程设计优化！GRNN神经网络+NSGAII多目标优化算法（Matlab）

工艺参数优化、工程设计优化陪您跨年！RBF神经网络+NSGAII多目标优化算法（Matlab）
工艺参数优化、工程设计优化来袭！BP神经网络+NSGAII多目标优化算法（Matlab）

北大核心工艺参数优化！SAO-BP雪融算法优化BP神经网络+NSGAII多目标优化算法（Matlab）

工艺参数优化、工程设计优化上新！Elman循环神经网络+NSGAII多目标优化算法（Matlab）

强推未发表！3D图！Transformer-LSTM+NSGAII工艺参数优化、工程设计优化！