基于R2指标的拟态物理学约束多目标优化算法

针对拟态物理学优化(APO)算法在解决复杂约束多目标问题时，容易陷入局部最优，无法在可行域内进行全局搜索，导致解集分布不均匀的问题。依据约束多目标优化问题的特点，在APO算法的基础上，构造出了一种基于R2指标的拟态物理学约束多目标优化R2-ICRMOAPO)算法。算法将非支配排序和R2指标相结合，并利用R2指标贡献值作为外部存储集的更新机制，删减贡献值较低的个体，选择出效用更好的候选解。将R2-ICRMOAPO算法与四种多目标群体智能进化算法进行了对比实验，结果表明：R2-ICRMOAPO算法所得到的最优非支配解集所覆盖的目标空间区域更大，Pareto解集更加逼近真实解集。该算法为求解约束多目标优化问题提供了新的思路与方法。