多目标优化算法：多目标被囊群优化算法MOTSA（提供MATLAB源码）

被囊群优化算法（TSA）

被囊群优化算法是2020年Satnam Kaura等人提出一种元启发式算法。被膜动物是明亮的生物发光体，发出浅蓝色-绿色的光，可以在数米之外看到。被膜动物呈圆柱形，一端开口，另一端闭合。每个被膜动物的大小都有几毫米。在每个被膜组织中都有一个共同的胶状被膜，它有助于连接所有个体。然而，每一个被膜动物各自从周围的海水中取水，并通过心房虹吸管产生喷气推进。被膜动物是唯一一种能以这种流体喷射式推进力在海洋中移动的动物。这种推进力强大，可以使被膜动物在海洋中垂直迁移。被膜动物通常出现在500-800米深处，并在夜间向上迁移到地表水的上层。被膜动物的大小从几厘米到超过4米不等。
被囊群优化算法基本原理

算法流程

原始论文

多目标被囊群优化算法（MOTSA）

将多目标进化思想引入到基本的被囊群优化算法中，得到多目标被囊群优化算法（MOTSA）。
将MOTSA在UF1-10与CF1-10共20个多目标测试函数上的部分测试结果如下：
在UF2测试函数上的求解结果：

在CF1测试函数上的求解结果：

首次将多目标进化思想融入到被囊群优化算法中，提出用于求解多目标问题的多目标被囊群优化算法，在20个多目标测试函数上的实验结果表明，MOTSA具有一定的竞争力。