摘要
多目标优化在现代设计和复杂工程应用中发挥着重要作用。然而，如何在帕累托最优解的收敛性与多样性之间实现有效平衡仍然是一个挑战。本文提出了一种Sobol驱动的鲸鱼迁徙多目标优化算法（SMOWMA），该算法在非支配排序与精英选择框架内对鲸鱼迁徙算法进行了扩展。首先，采用最大化最小距离的Sobol序列初始化方案以改善初始种群的分布。然后，将归档引导的自适应Student-t飞行机制引入领袖鲸位置更新过程，以动态平衡全局探索与局部开发。此外，归档拥挤度信息与归档录入成功反馈被联合使用，根据环境多样性和近期搜索性能共同调整搜索行为。SMOWMA在五个广泛使用的多目标基准测试套件（ZDT、DTLZ、WFG、UF和CF）上进行了评估，使用了四个性能指标：世代距离（GD）、反向世代距离（IGD）、间距（SP）和超体积（HV）。结果表明，结合Friedman检验和Holm调整后的Wilcoxon检验，SMOWMA在收敛性、多样性和目标空间覆盖度方面均展现出具有竞争力的整体性能，尽管其相对优势仍因问题而异。此外，通过多目标焊接梁设计问题、双目标四杆桁架设计问题和五目标汽车侧面碰撞设计问题进一步检验了SMOWMA的实际适用性。工程结果表明，SMOWMA能够为具有不同目标数量的约束设计问题获得具有竞争力且稳定的近似解集，支持了其在多目标工程优化中的有效性和适用性。
