摘要： 多目標螢火蟲算法在處理大規(guī)模稀疏多目標優(yōu)化問題時難以保證Pareto最優(yōu)解的稀疏性,當優(yōu)化問題的目標維數(shù)過大時,將導致Pareto支配失效和收斂速度變慢.鑒于此,提出一種基于動態(tài)評分和鄰域搜索的高維多目標螢火蟲算法(SMaOFA).首先,所提出算法基于雙編碼混合集成的方式生成稀疏的初始種群,并提出動態(tài)評分策略,此策略在每輪迭代時動態(tài)更新決策變量得分,為后續(xù)迭代提供先驗知識,以保... （共8頁）