一種離散多目標(biāo)果蠅優(yōu)化算法

　　多目標(biāo)優(yōu)化問題是需要同時(shí)處理多個(gè)相互沖突和相互影響的目標(biāo)，一個(gè)子目標(biāo)的改善有可能會(huì)引起另一個(gè)或者另幾個(gè)子目標(biāo)的性能降低，需要在他們中間進(jìn)行協(xié)調(diào)處理。起初，多目標(biāo)優(yōu)化問題往往通過加權(quán)等方式轉(zhuǎn)化為單目標(biāo)問題，但此方法效率較低且對(duì)權(quán)值和次序較為敏感。因此，后來發(fā)展了基于Pareto最優(yōu)解集（Pareto-optimal set）或非支配解集（Nondominated Set）的群體智能算法解決多目標(biāo)問題。

　　果蠅優(yōu)化算法（Fruit Fly Optimization Algorithm，F(xiàn)OA）是由臺(tái)灣博士潘文超于201 1年提出的一類全局進(jìn)化優(yōu)化算法。該算法源于對(duì)果蠅覓食行為的模擬，已在自動(dòng)化倉庫揀選作業(yè)調(diào)度問題，邊坡穩(wěn)定預(yù)測問題，船舶操縱響應(yīng)模型的辨識(shí)問題㈤等方面得到成功的應(yīng)用。進(jìn)化算法遁過在代與代之間維持由潛在解組成的種群來實(shí)現(xiàn)全局搜索，這種從種群到種群的方法對(duì)于搜索多目標(biāo)優(yōu)化問題的pareto最優(yōu)集是很有用的。