多目标优化中细菌觅食算法的非高斯随机生成器

随机生成器或随机引擎是元启发式算法结构中的关键组成部分。本工作研究了非高斯随机引擎在求解现实世界优化问题时对元启发式算法性能的影响。本工作中，细菌觅食算法（BFA）与四种随机生成器（随机引擎）协同使用。这些随机引擎分别使用Weibull分布、Gamma分布、高斯分布和一种混沌机制运行。两种非高斯分布是Weibull分布和Gamma分布。本工作中，所开发的方法被应用于现实世界的多目标树脂粘合砂型问题。获得的Pareto前沿使用两个指标进行基准测试：超体积指标（HVI）和所提出的平均探索率（AER）指标。从多个角度提供了关于非高斯随机生成器在元启发式中影响的详细讨论。