MOPSO+

% ----------------------------------------------------------------------- %
% Function MOPSO performs a Multi-objective Particle Swarm Optimization   %
% over continous functions.                                               %
%                                                                         %
%   Input parameters:                                                     %
%       - params:   Struct that contains the customized parameters.       %
%           * params.Np:        Number of particles.                      %
%           * params.Nr:        Repository size （in particles）.           %
%           * params.maxgen:    Maximum number of generations.            %
%           * params.W:         Inertia coefficient.                      %
%           * params.C1:        Personal confidence factor.               %
%           * params.C2:        Swarm confidence factor.                  %
%           * params.ngrid:     Number of hypercubes in each dimension.   %
%           * params.maxvel:    Maximum velocity （search space percentage）%
%           * params.u_mut:     Uniform mutation percentage.              %
%       - MultiObj: Struct that contains the parameters relative to the   %
%                   optimization functions.                               %
%           * MultiObj.fun:     Anonymous multi-obj function to minimize. %
%           * MultiObj.nVar:    Number of variables.                      %
%           * MultiObj.var_min: Vector that indicates the minimum values  %
%                               of the search space in each dimension.    %
%           * MultiObj.var_max: Same than ‘var_min‘ with the maxima.      %
% ----------------------------------------------------------------------- %
%   For an example of use run ‘example.m‘.                               %
% ----------------------------------------------------------------------- %
%   Author:  Victor Martinez Cagigal                                      %
%   Date:    17/03/2017                                                   %
%   E-mail:  vicmarcag （at） gmail （dot） com                              %
%   Version: 1.1                                                          %
%   Log:                                                                  %
%           - 1.0:  Initial version without mutation [1] （15/03/2017）.    %
%           - 1.1:  Crowding and mutation are implemented [2].            %
% ----------------------------------------------------------------------- %
%   References:                                                           %
%    [1]Coello C. A. C. Pulido G. T. & Lechuga M. S. （2004）. Handling%
%       multiple objectives with particle swarm optimization. IEEE Tran-  %
%       sactions on evolutionary computation 8（3） 256-279.              %
%                                                                         %
%    [2]Sierra M. R. & Coello C. A. C. （2005 March）. Improving PSO-   %
%       based multi-objective optimiz