交互粒子群：一种帕累托自适应元启发式方法用于多目标优化

本文提出了一种用于多目标优化（MOO）的交互式粒子群元启发式方法，旨在将广泛使用的方法的积极方面融入其解决机制中，即帕累托支配和互动决策。帕累托支配被采用作为评估在搜索过程中发现的粒子的标准。非支配粒子存储在一个外部库中，该库通过提出的自适应网格机制持续更新。该方法通过引入自适应突变算子进一步增强。决策者（DM）被提供一个近似的帕累托最优前沿的信息，并且他的/她的偏好表述被用来推导一个效用函数，旨在计算现有和即将出现解决方案的效用。通过结合自适应网格机制、自适应突变算子和新颖的决策策略，粒子群机制用于MOO的孵化使其成为一种新颖且高效的方法。对各种测试函数的模拟结果表明，所提出的元启发式方法不仅能够更高准确性地识别出最佳优选解决方案，还能够呈现一个均匀多样的高效用帕累托前沿，而不会给决策者带来过大的认知负担。所提出策略的实际相关性在涉及同时进行决策和高度偏好的替代方案的情况下非常高.