多目标电鳗觅食优化：一种新型的、受自然启发的优化器，适用于现实世界应用

《ARABIAN JOURNAL FOR SCIENCE AND ENGINEERING》：A Multi-objective Electric Eel Foraging Optimization: A Novel Nature-Inspired Optimizer for Real-World Applications

　　多目标优化中提出首个扩展型电鳗觅食算法，通过数学建模四种觅食行为（交互、捕猎、迁移、休眠）和能量因子实现探索与利用的平衡，结合非支配排序和拥挤距离维持多样性，在Zitzler等基准测试和智能农业案例中优于现有算法。

　　

摘要

本研究开发了首个基于自然启发的电鳗觅食优化算法的扩展版本，即多目标电鳗觅食优化算法，用于解决现实世界应用中的多目标优化问题。电鳗巧妙的集体觅食策略为该算法提供了灵感。为了在整个过程中同时实现利用和探索，该算法在数学上复制了电鳗的四种基本觅食行为：互动、狩猎、迁徙和休息。为了实现从局部搜索到全局搜索的转换，并在探索与利用之间保持平衡，研究人员引入了另一个称为“能量因子”的因素。电鳗展现了多种独特的觅食特性，因此这些适应性行为和模式在数学上被建模出来，以生成一个高效的全局优化器。为了保持解决方案的多样性并确保收敛到帕累托最优集，采用了基于拥挤距离的非支配排序方法。通过两个Zitzler、Deb和Thiele基准问题对所提算法的性能进行了测试，并通过与五种现有算法的比较验证了其有效性。仿真结果表明，该算法提供的解决方案比其他算法更加多样化。此外，为了检验其在现实场景中的有效性，本研究以智能农业为案例进行了研究，将多目标电鳗觅食优化算法与三种现有算法进行了对比。总体而言，该算法在利用效率、探索能力、平衡探索与利用以及避免局部最优解方面表现优异。