求解多目标背包问题的改进人工鱼群算法

黄美华; 温洁嫦; 何勇

doi:10.3969/j.issn.1007-7162.2016.05.008

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

求解多目标背包问题的改进人工鱼群算法

综合研究 | 更新时间：2026-05-27

- 求解多目标背包问题的改进人工鱼群算法
- An Improved Artificial Fish Swarm Algorithm for Multi-objective Knapsack Problem
- 广东工业大学学报 2016年33卷第5期页码：44-48
- 作者机构：
- 作者简介：
  
  黄美华(1987-)，女，硕士研究生，主要研究方向为最优化方法与应用.
- 基金信息：
  
  广东省特色创新项目(2014KTSCX055)
- DOI：10.3969/j.issn.1007-7162.2016.05.008
  中图分类号：
- 网络首发：2016-09-10，
  
  纸质出版：2016
- 稿件说明：
移动端阅览
黄美华, 温洁嫦, 何勇. 求解多目标背包问题的改进人工鱼群算法[J]. 广东工业大学学报, 2016, 33(5): 44-48.

Huang Mei-hua, Wen Jie-chang, He Yong. An Improved Artificial Fish Swarm Algorithm for Multi-objective Knapsack Problem[J]. 2016, 33(5): 44-48.
黄美华, 温洁嫦, 何勇. 求解多目标背包问题的改进人工鱼群算法[J]. 广东工业大学学报, 2016, 33(5): 44-48. DOI： 10.3969/j.issn.1007-7162.2016.05.008.

Huang Mei-hua, Wen Jie-chang, He Yong. An Improved Artificial Fish Swarm Algorithm for Multi-objective Knapsack Problem[J]. 2016, 33(5): 44-48. DOI： 10.3969/j.issn.1007-7162.2016.05.008.

摘要

作为一种新的群智能算法

在求解多目标背包问题时

人工鱼群算法存在盲目搜索、收敛速度慢和求解精度低等问题.针对这些问题

本文结合人工鱼位置全局最优信息

对人工鱼的移动策略进行自适应改进

提出一种改进的人工鱼群算法.对多目标背包优化问题实验仿真表明

本文改进的人工鱼群算法收敛速度和搜索到的非劣解的精度均优于粒子群算法和遗传算法.

Abstract

As a swarm intelligence

the Artificial Fish Swarm Algorithm(AFSA) has its weakness in solving the problem of Multi-objective Knapsack

such as blindness search

low speed of convergence and low accuracy in solution. Combining the global information of the artificial fish position with improving the moving strategy of artificial fish self-adapting

an improved AFSA is proposed. Simulation on multi-objective knapsack problem shows that the convergence rate as well as the accuracy in the non-dominated solutions which have been found out in the improved AFSA is superior to Genetic Algorithm and Particle Swarm Optimization.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

回归分类协同昂贵约束多目标优化算法

6061铝合金铣削工艺参数多目标优化

基于动态模糊混沌粒子群算法的含电动汽车微电网多目标优化调度研究

MOEA/D聚合函数的二次泛化及其优化性能分析

带有时间窗的虚拟场站接驳补货车辆路径问题