7Using Ring Topology for Solving MultimodalMulti-objective Problems

本文提出了一种多目标的滑模模型算法（MOSMA），它是最近开发的滑模模型算法（SMA）的一种多目标变体，用于处理行业中的多目标优化问题。 最近，为了处理优化问题，优化社区提出了几种元启发式和进化优化技术。 在评估多目标优化 (MOO) 问题时，这些方法往往会遇到低质量的解决方案，而不是解决识别帕累托最优解的准确估计和增加所有目标的分布的目标函数。 SMA 方法遵循从实验室实验中黏菌的振荡行为获得的逻辑。 与其他成熟的方法相比，SMA 算法显示出强大的性能，它是通过使用正负反馈系统结合最佳食物路径而设计的。 所提出的 MOSMA 算法采用相同的底层 SMA 机制进行收敛，并结合精英非支配排序方法来估计帕累托最优解。 作为后验方法，多目标公式保留在 MOSMA 中，并使用拥挤距离算子来确保增加所有目标的最佳解决方案的覆盖范围。 为了验证和验证 MOSMA 的性能，考虑了 41 个不同的案例研究

进化多目标优化研究领域的一本最新专著，2007年出版。

水循环算法（WCA）中使用了非支配排序方法。

四水平响应曲面法优化

称为MOJaya的多目标Jaya算法是一种基于SPEA2（提高强度帕累托进化算法）和 Jaya 算法。

进化多目标优化平台 由安徽大学BIMK（生物启发情报与挖掘知识研究所）和萨里大学NICE（自然启发计算与工程小组）共同开发 150多种开源进化算法 300多个开源基准测试问题 强大的GUI可并行执行实验 一键式生成Excel或LaTeX表格式的结果 最先进的算法将不断被包括在内 非常感谢您使用PlatEMO。 PlatEMO的版权属于BIMK集团。 该工具主要用于研究和教育目的。 这些代码是根据我们对论文中发布的算法的理解而实现的。 您不应以网站上的材料或信息为依据来做出任何业务，法律或任何其他决定。 我们对您在工具中使用任何算法所造成的任何后果不承担任何责任。 使用该平台的所有出版物都应承认使用“ PlatEMO”并参考以下文献： 版权 PlatEMO的版权属于BIMK组。 您可以自由地用于研究目的。 使用此平台或平台中任何代码的所有出版物都应承认使用“ PlatEMO”，并引用“田野

本资源详细介绍了2020-IEEE -Multi-Objective Matrix Normalization for Fine-Grained Visual Recognition论文中作者给的四个模型的复现结果、解决了加载模型参数出现的报错等问题、并附带作者的回信的内容。

基于MATLAB集成的多目标优化算法工具包，涵盖了了目前大部分多目标进化算法。

Book.(2001)Multi-Objective_Optimization Using Evolutionary Algorithms使用进化算法解决多目标问题，英语原版经典，绝版图书