💥💥💥💞💞💞欢迎来到本博客❤️❤️❤️💥💥💥
🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。
📋📋📋本文目录如下:⛳️⛳️⛳️
目录
1 概述
近几十年来,元启发式优化在研究和优化解决问题方面引起了许多研究人员的关注[1]。技术以数学方式介绍并可供所有人使用,因此该领域的研究具有更快的进步速度。这些技术试图优化解决方案。总的来说,元启发式优化策略分为单目标和多目标。
在 [1] 中,提出了一种使用遗传算法和 PSO 的混合方法来解决 MOO 问题。在这种组合算法中,在外部档案中的低人群区域使用局部搜索操作来增加和推进非支配解决方案。此外,在 [27] 中提出了使用全局保证金评级的 MOO 问题的新版本 PSO。这样就可以解决搜索空间中的数据情况,绳索中的透明距离区域。在[30]中,提出了一种多目标涡旋搜索算法(MOVS),在该领域中,他们使用了人群距离方法和第一非支