本研究提出了一种改进的多目标饥饿游戏算法（MOHGS），并在MATLAB平台上实现了该算法。通过优化和创新，有效提升了复杂问题求解效率与质量。
本研究提出了一种通用的基于群体的优化技术——饥饿博弈搜索（Hunger Games Search, HGS），该技术具有简单的结构、特殊的稳定性特征以及非常有竞争力的性能，能够更有效地解决约束性和非约束性问题。所提出的HGS算法是根据动物在饥饿状态下表现出的行为和选择活动设计出来的。这种动态且基于适应度的搜索方法遵循了一个简单概念：即“饥饿”是所有生物行为决策与行动最重要的动机来源之一，从而使优化过程对新用户及决策者来说更容易理解和一致。
饥饿游戏搜索将“饥饿”的理念融入到算法过程中；通过自适应权重的设计模拟了饥饿在每个搜索步骤中的影响。该方法遵循几乎所有动物用来进行生存竞争的计算逻辑规则（即所谓的“游戏”），这些活动和策略通常具有高度的适应性，以提高个体获得食物及生存的机会。
HGS的主要特点包括动态性和结构简单，并且在收敛速度以及解的质量方面表现出色，证明其比现有的优化方法更为有效。
5星
