粒子群算法（启发式算法）的多目标优化，我也翻过一些这方面的论文。单目标与多目标优化主要区别在于多目标优化问题有多个目标函数,一个解对于某个目标来说可能是较好的,而对于其他目标来讲可能是较差的。因此，存在一个折衷解的集合，也就是所谓的Pareto集。教科书上，解决多目标优化问题的方法一般是，通过数学变换把多目标转换为单目标求解，但是实际问题中涉及到多目标优化问题往往具有非线性、不可微、不连续等特征，难以用数学方法搞定。而启发式算法则不需要这些严格条件，其实也是启发式算法兴起的原因。

基于C语言的多目标粒子群优化算法，主要用于各种优化工作，例如机器人的运动轨迹的优化等等

两个函数进行多目标粒子群优化，可以修改适应值即两个目标函数进行替换

运筹学优化领域，多目标优化算法，多目标自适应粒子群优化算法；并简要介绍了开源多目标优化算法框架jMetal。 原文参见 https://blog.csdn.net/dkjkls/article/details/88364570

mopso 多目标粒子群算法 mopso 多目标粒子群算法 mopso 多目标粒子群算法 可直接运行