基于改进人工蜂群算法的约束多目标优化方法

摘要

本发明针对于基本人工蜂群优化方法解决约束多目标优化问题的不足，以应急救援第一阶段物资调度问题为应用背景，提出一种基于改进人工蜂群算法的约束多目标优化方法。该方法基于反向解的定义提出融合反向学习的食物源初始化过程，来提高50％初始解的质量。同时，为了平衡优化过程的“开发”和“探索”能力，该方法将反向学习策略和广泛学习策略融合到蜜蜂搜索过程，以提升搜索效率。构建基于非线性缺失损失的多对多、一次性消耗应急物资调度约束多目标优化模型，并形成实施实例，大量测试结果表明，本方法与基本人工蜂群优化方法相比较，所求出的非支配前沿解数量更多，在解空间上的分配更广泛、均匀，更接近于Pareto最优解。