多目标鲸鱼算法matlab代码

以下是一个简单的MATLAB实现多目标鲸鱼算法的示例代码，供参考：

function [bestSol, bestObj] = MOWOA(funObj, nVar, nObj, lb, ub, maxIter, nPop, wMin, wMax, c1, c2)

% 参数说明：
% funObj：目标函数句柄
% nVar：变量个数
% nObj：目标函数个数
% lb：变量下界向量
% ub：变量上界向量
% maxIter：最大迭代次数
% nPop：种群数量
% wMin：最小惯性权重
% wMax：最大惯性权重
% c1：个体学习因子
% c2：社会学习因子

% 初始化鲸群
whale.Position = [];
whale.Velocity = [];
whale.Cost = [];
whale.Best.Position = [];
whale.Best.Cost = [];

pop = repmat(whale, nPop, 1);

for i = 1:nPop
    % 随机生成初始位置和速度
    pop(i).Position = unifrnd(lb, ub, 1, nVar);
    pop(i).Velocity = zeros(1, nVar);
    
    % 计算适应度值
    pop(i).Cost = feval(funObj, pop(i).Position);
    
    % 更新最优解
    pop(i).Best.Position = pop(i).Position;
    pop(i).Best.Cost = pop(i).Cost;
end

% 初始化全局最优解
bestSol.Position = [];
bestSol.Cost = [];

% 主循环
for t = 1:maxIter
    % 计算惯性权重
    w = wMax - (wMax - wMin) * t / maxIter;
    
    for i = 1:nPop
        % 更新速度
        pop(i).Velocity = w * pop(i).Velocity + c1 * rand(1, nVar) .* (pop(i).Best.Position - pop(i).Position) ...
            + c2 * rand(1, nVar) .* (bestSol.Position - pop(i).Position);
        
        % 更新位置
        pop(i).Position = pop(i).Position + pop(i).Velocity;
        
        % 修剪超出边界的位置
        pop(i).Position = max(pop(i).Position, lb);
        pop(i).Position = min(pop(i).Position, ub);
        
        % 计算适应度值
        pop(i).Cost = feval(funObj, pop(i).Position);
        
        % 更新最优解
        if dominates(pop(i).Cost, pop(i).Best.Cost)
            pop(i).Best.Position = pop(i).Position;
            pop(i).Best.Cost = pop(i).Cost;
        end
        
        if dominates(pop(i).Cost, bestSol.Cost)
            bestSol.Position = pop(i).Position;
            bestSol.Cost = pop(i).Cost;
        end
    end
    
    % 输出迭代信息
    disp(['Iteration ' num2str(t) ': Best Cost = ' num2str(bestSol.Cost)]);
end

% 输出最优解和目标函数值
bestObj = bestSol.Cost;

end

function flag = dominates(x, y)
% 判断x是否支配y
flag = all(x <= y) && any(x < y);
end

在使用时，需要定义一个目标函数句柄，例如：

funObj = @(x) [sum(x.^2), sum((x-1).^2)];

该目标函数为一个二元组，其中第一个目标是$x$的平方和，第二个目标是$x-1$的平方和。然后调用MOWOA函数即可求解多目标优化问题。