.png){kind=icon}
返回
MOPOA: A New Multi-Objective Pufferfish Optimization Algorithm
.png){kind=icon}
PRE
AI
DOI：10.2478/fcds-2026-0005.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多目标优化问题（MOPs）由于存在多个冲突目标而带来显著挑战。本文提出MOPOA，一种受自然刺豚防御行为启发的创新多目标刺豚优化算法。MOPOA通过整合帕累托支配、用于保存非支配解的外部存档以及维持解多样性的拥挤距离机制，扩展了原始单目标POA。该算法通过模拟捕食者-猎物交互的生物启发阶段来平衡探索与开发。为评估MOPOA的性能，将其与包括NSGA-III、MOPSO、MODA和MOFDO在内的几种先进算法在ZDT和CEC-2019多目标测试函数集上进行比较。结果表明，MOPOA不仅能实现更优的帕累托前沿收敛，还能在多样化优化场景中保持高多样性和鲁棒性。这些发现使MOPOA成为解决复杂现实世界多目标问题的强大且自适应的工具。
Keyword:
Multi-objective optimization
Pufferfish Optimization Algorithm
Pareto front
metaheuristics
evolutionary algorithms
exploration and exploitation
期刊
F
IF:
1.3
论文数:
9
被引数:
0
机构
引用论文
暂无论文信息