自组织迁移算法(Self-organizing migrating algorithm,SOMA)是一种新型的进化算法。在对基本的自组织迁移算法分析的基础上提出了基于混合迁移行为的自组织迁移算法(Hybrid migrating behavior based self-organizing migrating algorithm,HBSOMA)。该算法通过在个体迁移过程中引入了多种迁移方式,形成混合迁移行为,使得个体的行为变得多样化,增加了种群多样性,加速了群体在多峰复杂空间中的寻优进程。仿真结

提出一种基于ε-支配关系的多目标自组织迁移算法. 首先对基于混合迁移行为的自组织迁移算法进行改进, 将全面学习的思想引入个体的迁移过程中, 使得个体的每个分量都可以向其他个体学习, 从而进行充分的信息交换; 通过引入学习因子扩展个体的迁移方向, 使得步长可灵活变化, 进而利用改进算法快速搜索多目标函数的Pareto 最优解, 并采用ε-支配关系以保持种群分布性; 最后通过实验分析表明了所提出方法的有效性.