今天下午14：00-15：50监考线性代数，完成后和研究生小廖进行了短暂的暑期工作交流，收到SWEVO期刊录用邮件，甚幸！细看了评委意见，感觉很有意思，留存学习交流。

论文摘要：

多目标背包问题（MOKP）是一个具有挑战性的组合优化问题，传统方法往往无法有效地解决它。因此，研究人员越来越多地采用元启发式算法，以便在合理的时间内解决这类问题。本文介绍了一种改进的离散多目标人工原生动物优化算法（IDMOAPO），用于处理多目标背包问题。通过两种方法对带引导的正弦余弦多目标人工原生动物优化算法（LSCMOAPO）的连续解空间进行离散化处理，其中取模运算被认定为最有效的方法，并被用于开发离散多目标人工原生动物优化算法（DMOAPO）。进一步将一种增强策略融入到DMOAPO中，以提高解的质量，从而开发出了本文所提出的IDMOAPO。本文对所提出的IDMOAPO在四种类型的16个多目标背包问题上进行了评估，并将其与七种算法进行了比较。评估所使用的性能评价指标包括帕累托解的数量、世代距离、散布度和逆世代距离。仿真结果表明，在大多数情况下，IDMOAPO明显优于其他对比算法。这些结果凸显了IDMOAPO 在获取更优帕累托前沿方面的有效性，证实了它适用于解决多目标背包问题。

关键词: 多目标背包问题(MOKP)，组合优化问题，模运算，性能评价指标

DOI: