一种离散多目标果蝇优化算法

　　多目标优化问题是需要同时处理多个相互冲突和相互影响的目标，一个子目标的改善有可能会引起另一个或者另几个子目标的性能降低，需要在他们中间进行协调处理。起初，多目标优化问题往往通过加权等方式转化为单目标问题，但此方法效率较低且对权值和次序较为敏感。因此，后来发展了基于Pareto最优解集（Pareto-optimal set）或非支配解集（Nondominated Set）的群体智能算法解决多目标问题。

　　果蝇优化算法（Fruit Fly Optimization Algorithm，FOA）是由台湾博士潘文超于201 1年提出的一类全局进化优化算法。该算法源于对果蝇觅食行为的模拟，已在自动化仓库拣选作业调度问题，边坡稳定预测问题，船舶操纵响应模型的辨识问题㈤等方面得到成功的应用。进化算法遁过在代与代之间维持由潜在解组成的种群来实现全局搜索，这种从种群到种群的方法对于搜索多目标优化问题的pareto最优集是很有用的。