HMOABC: 混合多目标人工蜂群优化铜带生产成本与废料效率

本文主要探讨了铜带生产过程中的负荷优化问题，通过建立一个基于实际加料原理的非线性约束多目标模型。在这个模型中，优化的目标是双重的：一方面，寻求最小化原材料的总成本，这是企业经济效益的关键；另一方面，最大化投入熔炉的废料量，这可能涉及到资源再利用和环保考量。这种双重视角下的优化问题通常涉及到多目标决策，因为单一的目标函数往往难以捕捉所有相关因素的平衡。 为了解决这一复杂问题，作者提出了混合多目标人工蜂群算法（Hybrid Multi-Objective Artificial Bee Colony，HMOABC），这是一种创新的群体智能优化技术。HMOABC算法汲取了蜜蜂觅食行为的智慧，结合归一化目标值、多样化选择（SNOV-DS）策略和非优势排序方法，旨在找到在多个目标之间取得较好折衷方案的解决方案。与传统的方法，如非支配排序遗传算法II（NSGAII）和多目标粒子群优化（MOPSO）等自然启发式算法进行对比，HMOABC在寻找最优解时展现出独特的性能。 研究者通过两个具体的测试案例，展示了HMOABC在铜带生产负荷优化中的应用效果。这些实验结果显示，HMOABC不仅能够有效地搜索到潜在的最优解，而且在处理多目标问题时展现出良好的适应性和鲁棒性。HMOABC作为一种强大的搜索和优化工具，对于铜带生产过程中的负荷优化具有显著的优势。 这篇论文不仅提供了理论框架和算法设计，还验证了HMOABC在实际生产场景中的可行性。它对于工业界来说，是一篇重要的研究成果，有助于提高铜带生产过程的效率和可持续性。然而，由于版权原因，全文的具体可用性并未在摘要中提及，但可以推测该研究已经在《Elsevier》杂志上发表，读者可以通过期刊获取更详细的信息和深入的技术讨论。