现实生活中存在着大量的多目标优化问题,而近年来众多学者青睐于选取启发式优化算法来求解多目标优化问题.水文循环算法(HCO)是启发式优化算法领域的新成员,是通过模拟大自然水体的流动、渗透、蒸发和降水的过程而开发出来的算法.因此,本文在HCO 的基础上,通过改进了其渗透算子及蒸发与降水算子中选择高斯变异的概率值,并结合外部档案及网格划分对非支配解进行存储及筛选方法,设计了多目标水文循环优化算法(MOHCO).最后,将MOHCO 算法在5个测试函数上与其他多目标启发式优化算法进行对比实验,实验结果得出MOHCO 在多样性及收敛性方面表现较好,易于寻找到一组近似于真实的帕累托解集.
NETL
