[发明专利]基于改进人工蜂群算法的约束多目标优化方法

说明书

技术领域

本发明属于人工智能研究领域，具体涉及一种基于改进人工蜂群算法的约束多目标优化方法。

背景技术

优化是人们在经济、科学、工程和社会等领域最常碰见的问题，例如，应急决策、生产调度、系统控制和经济模型等。上述应用领域的实践表明，同等条件下经过优化技术的处理，系统效率、资源、经济效益等方面都有显著提高，而且，处理问题规模越大，相应效果也越明显。为此设计更为高效、实用的优化算法，成为国内外各领域学者广泛关注的热点问题。

随着工程技术和科学的发展，这些优化问题向大规模、多目标、非线性、强约束化等方向发展，函数逼近法、牛顿法等传统的优化方法，由于要求目标函数连续可微、缺乏通用性等问题，不再适用。而近几十年涌现的进化方法，如人工蜂群算法、遗传算法、模拟退火算法、差分进化算法和粒子群算法等，由于不受搜索空间限制条件的约束且不需要其它辅助信息，具有效率高、简单易操作、通用性强等特点，符合当前优化问题的客观要求，因而成为主流优化方法。

人工蜂群算法是目前最前沿、最具前景的进化算法之一，与其他优化算法相比，具有参数设置少、收敛速度快且收敛精度高等优点，因而自提出之日起，就受到众多学者的广泛关注，并开始相关应用问题研究。然而，人工蜂群算法作为一种相对优秀的群智能优化算法，目前尚处于研究初期，存在大量问题值得研究，其中迫切需要解决的问题有：如何拓展其应用领域；如何为针对于单目标优化问题设计的人工蜂群算法引入多目标优化处理机制；如何处理应用问题中的约束条件；如何提高算法效率等。

发明内容

针对于人工蜂群算法用于优化问题的不足之处，本发明的目的是要提出一种基于改进人工蜂群算法的约束多目标优化方法，其主要是面向应急调度优化这一新的应用领域，将人工蜂群算法由单目标优化拓展到多目标，同时引入反向初始化、反向学习搜索、广泛学习搜索等策略，提升优化方法效率。

为了实现上述目的，本发明所采用的计算方案为基于改进人工蜂群算法的约束多目标优化方法，其在构建完应急调度应用问题模型，形成约束条件和优化多目标，选取多目标适应度评价函数，确定食物源编码，完成算法相关参数的设置的基础上进行的，其具体步骤如下如下：

步骤1：反向初始化阶段；

随机生成食物源，计算食物源的反向食物源，其公式如下：

Foodij‾=1psΣp=1psFoodijp---(1)]]>

Foodij←=2Foodij‾-Foodij---(2)]]>

其中：Food_ij表示食物源，表示期望食物源，为食物源p的Food_ij，为反向食物源；

根据支配关系对食物源和反向食物源进行精英选择，得到初始食物源，分别计算初始食物源的秩和拥挤距离，并根据秩小者优先，同秩拥挤距离小者优先的原则进行多目标非支配排序；

步骤2：引领蜂阶段；