蝠鲼觅食优化算法(MRFO):
该算法是模仿蝠鲼在海洋中的觅食过程,针对不同捕食策略进行数学建模,对蝠鲼个体位置更新的方式进行数学描述,从而实现在复杂解空间中对最优解的搜索。由于位置更新方式的独特性,MRFO 的求解精度与鲁棒性相比于传统群体智能仿生算法也有显著的提升。MRFO 可描述为 3 种觅食行为,包括链式觅食、螺旋觅食以及翻滚觅食。
算法原理参考链接
多目标蝠鲼觅食优化算法(MOMRFO):
将多目标进化机制,融合到蝠鲼觅食优化算法中,得到多目标蝠鲼觅食优化算法(MOMRFO)分别在9个多目标测试函数(Schaffer、Kursawe、Poloni、Viennet2、Viennet3、ZDT1、ZDT2、ZDT3、ZDT6)进行测试,实验结果表明多目标蝠鲼觅食优化算法在求解多目标优化问题上具有一定的优势。
MOMRFO在Schaffer上的求解结果:
MOMRFO在Viennet3的求解结果:
MOMRFO在Poloni的求解结果:
参考链接:
https://blog.csdn.net/u011835903/article/details/112390588