10.3778/j.issn.1002-8331.1711-0020
基于knee points的改进多目标人工蜂群算法
传统的人工蜂群算法(Artificial Bee Colony algorithm,ABC)及其在多目标上的扩展(Multi Objective Arti-ficial Bee Colony algorithm,MOABC)存在着在高维、多峰函数情况下收敛速度变慢、后期容易陷入局部最优以及寻优精度丢失等问题.基于knee points提高收敛性和分布性的特点,设计了一种快速识别knee point的算法并将其应用到多目标人工蜂群算法中,提出了一种基于knee points的改进多目标人工蜂群算法(KnMOABC).算法在迭代过程中考虑pareto支配关系的同时,优先选择knee point作为下一代个体,极大地增强了算法的收敛速度,同时,在knee point识别算法中加入自适应的策略以保持良好的分布性.实验结果表明,KnMOABC的性能优于三个最新的多目标人工蜂群对比算法.
多目标人工蜂群算法、高维多峰函数、kneepoints、自适应识别策略
54
TP751(遥感技术)
国家科技支撑计划2015BAK24B00
2018-01-26（万方平台首次上网日期，不代表论文的发表时间）
共8页
40-47
