蜻蜓算法：一种元启发式优化新法，解决单目标与多目标问题

蜻蜓算法(Dragonfly Algorithm, DA)是一种新兴的基于自然界的元启发式优化技术，该方法旨在解决单目标、离散以及多目标优化问题。其灵感来源于自然界中蜻蜓的觅食和迁徙行为。在蜻蜓觅食过程中，算法将搜索空间中的最优解视为蜻蜓寻找的食物，而在迁徙行为中，最优解则被视作蜻蜓的迁徙目的地。这种动态与静态相结合的策略模仿了蜻蜓社会互动中的探索和利用两种关键阶段。 DA算法设计了两个核心模块：一是模仿蜻蜓在群体中动态或静态寻找食物的搜索策略，通过模拟蜻蜓之间的社会交互，包括相互导航、避敌和觅食行为，实现了算法的有效探索；二是利用这些行为模型进行优化搜索，以寻找全局最优解。这种模仿生物行为的特性使得DA算法具有良好的全局搜索能力。 为了进一步扩展应用范围，论文还提出了两种变体：二进制蜻蜓算法(Binary Dragonfly Algorithm, BDA)和多目标蜻蜓算法(Multi-objective Dragonfly Algorithm, MODA)。BDA适用于单目标优化问题，而MODA则适用于处理多目标优化问题，它们通过调整适应度函数和评价机制来适应不同的优化场景。 通过对比多种数学测试函数和一个实际案例，论文对提出的DA和BDA算法进行了定量和定性的评估。结果表明，这两种算法相较于初始随机种群，显著提高了优化性能，能够在复杂的问题空间中找到更优解。这证明了蜻蜓算法作为一种新型的优化技术，具有良好的适应性和优化潜力，为解决实际工程问题提供了有力的工具。