基于knee points的改进多目标人工蜂群算法

来源：计算机工程与应用杂志2018年第2期北京时间：

作者：刘明辉1，李 炜2

单位：1.安徽大学 计算智能与信号处理重点实验室，合肥 230039；2.安徽大学 计算机与科学与技术学院，合肥 230601

摘要：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 Artificial 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。

关键词：多目标人工蜂群算法,高维多峰函数,knee points,自适应识别策略