杨辉华，谢谱模，张晓凤，马 巍，刘振丙

（1.桂林电子科技大学 广西信息科学实验中心，广西 桂林541004；2.北京邮电大学 自动化学院，北京100876；3.桂林电子科技大学 电子工程与自动化学院，广西 桂林541004）

设计和决策问题需要对多个目标同时进行优化，而此类问题中的各个目标之间往往互相矛盾，需要在多个目标间进行折中.通常而言，多目标优化问题要难于单目标优化问题，在单目标优化问题中，一般可以在搜索空间找到一个全局最优解，而多目标优化问题中一般不存在使得多个目标同时最优的全局最优解.对于多目标优化问题，通过折中优化而得到的曲线或曲面，被称为Pareto前沿，针对多目标优化问题，求得一组分布良好的Pareto前沿.

Yang等［1］在2009年提出一种新的智能优化算法——布谷鸟搜索（cuckoo search，CS）算法，CS算法过去几年在很多领域，如工程设计、任务调度、背包问题、旅行商问题等取得了良好的优化效果［2-5］，被证明性能好于一些现有启发式算法，如PSO，GA.鉴于CS算法的简单和高效，LI等［6-9］提出相关改进算法.2011年，Yang等［10］在CS算法基础上提出了多目标布谷鸟搜索（multi-objective cuckoo search algorithm，MOCS）算法，自此该算法也开始受到人们的广泛关注［11-12］.在MOCS算法中Lévy飞行的步长控制量α0为固定值，原种群nest经Lévy飞行后得到新种群nest′，在nest和nest′上随机选取2个个体进行非支配关系的比较，然后基于比较结果进行个体的替换.本文在MOCS算法的基础上，对Lévy飞行的步长控制量α0，下一次迭代种群的选择方法进行改进，提出改进的多目标布谷鸟 搜 索 算 法（improved multi-objective cuckoo search algorithm，IMOCS），在 基 准……