本文提出了一种多目标的滑模模型算法（MOSMA），它是最近开发的滑模模型算法（SMA）的一种多目标变体，用于处理行业中的多目标优化问题。 最近，为了处理优化问题，优化社区提出了几种元启发式和进化优化技术。 在评估多目标优化 (MOO) 问题时，这些方法往往会遇到低质量的解决方案，而不是解决识别帕累托最优解的准确估计和增加所有目标的分布的目标函数。 SMA 方法遵循从实验室实验中黏菌的振荡行为获得的逻辑。 与其他成熟的方法相比，SMA 算法显示出强大的性能，它是通过使用正负反馈系统结合最佳食物路径而设计的。 所提出的 MOSMA 算法采用相同的底层 SMA 机制进行收敛，并结合精英非支配排序方法来估计帕累托最优解。 作为后验方法，多目标公式保留在 MOSMA 中，并使用拥挤距离算子来确保增加所有目标的最佳解决方案的覆盖范围。 为了验证和验证 MOSMA 的性能，考虑了 41 个不同的案例研究
