目录
1 概述
本文提出了最近提出的海洋捕食者算法(MPA)的多目标版本,称为多目标海洋捕食者算法(MOMPA)。在此算法中,引入了一个外部归档组件来存储到目前为止找到的非主导帕累托最优解。基于精英选择方法,提出一种顶级捕食者选择机制,从档案中选择有效的解决方案作为顶级捕食者,模拟捕食者的觅食行为。利用CEC2019多模态多目标基准函数对所提算法的性能进行了评价,并与9种最先进的多目标元启发式算法进行了比较。此外,利用7个多目标工程设计问题(车侧撞击问题、齿轮系设计问题、焊接梁设计问题、盘式制动器设计问题、两条桁架设计问题、弹簧设计问题和悬臂梁设计问题)进一步验证了所提算法的有效性。结果表明,所提出的MOMPA算法不仅提供了非常有竞争力的结果,而且优于其他算法。
与单目标相比,多目标的最大优点是可以同时处理多个冲突目标,并获得一组帕累托最优解。解决方案集包含更有效的信息,可以为决策者提供更多的参考信息。与多目标算法相对应的单目标算法也相应发展起来。主要原因是单目标算法在解决复杂的多目标问题方面存在许多障碍。海洋捕食者算法(MPA)是Faramarzi等人最近提出的一种基于群智能的算法