新型人工蜂群算法解决高维多目标调度问题

"针对高维多目标连续优化的新型人工蜂群算法" 本文主要探讨了高维多目标连续优化问题，特别是在解决高维多目标柔性作业车间调度问题中的应用。传统的人工蜂群（Artificial Bee Colony，ABC）算法在解决多目标优化问题上表现出色，但在高维和多目标的组合优化领域，其应用相对较少。作者针对这一不足，提出了一种新型的ABC算法，旨在同时优化四个关键指标：最大完成时间、总延迟时间、总能耗和机器总负荷，这使得调度问题具有绿色制造的特点，即关注能源效率。 新型ABC算法的设计具有创新性，主要体现在两个方面：首先，它减少了跟随蜂（onlooker bees）的数量，相比引领蜂（employed bees），跟随蜂专注于局部搜索，而引领蜂则执行全局搜索任务。这种设计有助于平衡全局探索和局部开发，防止算法过早陷入局部最优。其次，算法限制了跟随蜂只能选择质量较高的引领蜂和外部档案成员作为搜索对象，避免了资源浪费在低质量解的搜索上。此外，新型ABC还引入了新的侦查蜂（scout bee）处理策略，以更有效地处理停滞解和探索新的解决方案空间。 通过对高维多目标调度问题的仿真实验，结果显示非劣解在种群规模中的比例明显低于高维连续优化问题，这意味着新型ABC在处理这类问题时能够找到更多优质解。通过与多目标遗传算法和变邻域搜索等对比算法的比较，实验结果证实新型ABC在求解高维多目标调度问题时具有显著优势，能获得更好的计算结果。 文章还提到了相关的研究背景，指出高维多目标组合优化问题的研究相对滞后，而ABC算法在这一领域的应用尚不充分。此外，该工作得到了国家自然科学基金的支持，并且遵循开放科学计划，体现了研究的开放性和透明度。通信作者为郑巧仙，其他作者包括郑友莲和雷德明，他们分别来自湖北大学计算机与信息工程学院和武汉理工大学自动化学院。 这篇论文提出了一种针对高维多目标调度问题的改进版人工蜂群算法，通过优化搜索策略，提高了算法的全局优化能力和效率，对于解决复杂优化问题，尤其是在节能和绿色制造领域的调度问题上，具有重要的理论和实践价值。