提出了两种约束的多目标元启发式方法。 1）基于成功历史的自适应多目标差分进化算法（SHAMODE）是基于成功历史的自适应多变量进化算法（SHADE）的改进多目标版本，它集成了改进的自适应策略和非支配排序算法。 2）基于成功历史的鲸鱼优化自适应多目标差分进化算法（SHAMODE-WO）是基于成功历史的自适应差分进化算法（SHADE）的改进多目标版本，它集成了改进的自适应策略，非支配排序算法和其他功能。鲸鱼优化算法（WOA）中的种群更新运算符。
该算法发布在： Panagant，N.，Bureerat，S.，＆Tai，K.（2019年）。 一种新颖的自适应混合多目标元启发式结构桁架的可靠性设计，同时具有拓扑，形状和尺寸优化设计变量。 结构和多学科优化，60（5），1937-1955。 DOI： https ： //doi.org/10.1007/s00158-019-02302-x
