改进的多目标细菌觅食优化算法：性能提升与多目标优化应用

本文研究的主题是"多目标细菌觅食优化算法",这是一种创新的算法设计，旨在解决传统的细菌觅食优化算法在处理多目标优化问题上的局限性。该算法的核心在于对单目标优化的扩展，通过引入多种策略来增强其在多目标环境下的性能。 首先，算法在个体间互不支配的情况下采用了归一化的择优策略，这使得每个个体的评价更具有公平性，有助于在寻找多目标最优解集中平衡多个目标之间的矛盾。这一步骤有助于提高算法在面对复杂多目标问题时的决策效率。 其次，引入了差分进化的思想，通过复制操作来增加种群的多样性。多样性的提高有助于算法探索更广阔的搜索空间，防止陷入局部最优，从而发现全局最优解的可能性更大。 再者，算法利用栅格划分法进行迁徙操作，这种方法能够使解集在搜索空间中更加均匀地分布，增加了解的质量和数量的多样性，进一步提升了算法的全局搜索能力。 另外，算法特别设计了一个外部集，用于存储当前找到的非支配解。通过不断对外部集进行优化，算法能够保持对全局最优解的追踪，确保不会忽视潜在的最佳解决方案。 实验部分，研究者通过对比所提出的多目标细菌觅食优化算法与现有的几种算法，如通过测试多个标准函数，结果显示新算法在解的收敛性和分散性指标上有显著提升。这意味着该算法在解决多目标优化问题时表现出了更好的性能，能够有效地找到一组满意解，满足不同目标之间的权衡。 作者团队由李臖、党建武和王篧组成，他们分别来自兰州交通大学电子与信息工程学院，各自的研究方向涵盖了智能计算、人工智能等领域。李臖负责智能计算与智能信息处理，党建武专注于人工智能和神经网络，王篧则专攻智能计算方法。 这篇论文不仅提出了一个新颖的多目标优化算法，而且通过实证分析验证了其在解决实际多目标优化问题上的有效性，为相关领域的研究者提供了有价值的参考和工具。