技術(shù)特征：

1.一種基于進(jìn)化知識(shí)融合的多目標(biāo)人工蜂群算法，其特征在于該算法包括以下步驟：

步驟1：初始化種群數(shù)量，其中引領(lǐng)蜂和跟隨蜂各占一半，設(shè)置最大迭代次數(shù)，外部檔案最大存儲(chǔ)個(gè)數(shù)，偵查蜂的最大淘汰次數(shù)，概率懲罰系數(shù)和，隨機(jī)初始化蜜源并計(jì)算各蜜源的適應(yīng)度值。

步驟2：根據(jù)支配關(guān)系選擇互不支配的解進(jìn)入外部檔案，采用精英選取策略選擇精英個(gè)體，對(duì)引領(lǐng)蜂進(jìn)行更新引導(dǎo)種群進(jìn)化，更新后的蜜源如支配原蜜源則保留，互不支配則對(duì)種群中其他支配解進(jìn)行貪婪選擇，如新個(gè)體被支配則不保留。

步驟3：計(jì)算跟隨蜂更新概率，并依據(jù)所計(jì)算概率選擇是否對(duì)該蜜源進(jìn)行深度進(jìn)化，進(jìn)化完成后，其新蜜源保留策略與引領(lǐng)蜂相同。

步驟4：當(dāng)引領(lǐng)蜂和跟隨蜂更新完成后，所得新蜜源未成功保留則其淘汰次數(shù)加1，當(dāng)達(dá)到最大淘汰次數(shù)時(shí)，引領(lǐng)蜂轉(zhuǎn)化為偵查蜂，重新產(chǎn)生一個(gè)蜜源將其替換。

步驟5：采用一種更為嚴(yán)格的機(jī)制對(duì)外部檔案進(jìn)行維護(hù)。

步驟6：迭代次數(shù)加1，判斷是否達(dá)到最大迭代次數(shù)，達(dá)到則結(jié)束并輸出外部檔案，否則轉(zhuǎn)步驟2。

2.根據(jù)權(quán)利要求1所述的一種基于進(jìn)化知識(shí)融合的多目標(biāo)人工蜂群算法，其特征在于步驟2中的精英選擇策略，具體步驟如下：

步驟1：初次迭代時(shí)，計(jì)算Pareto最優(yōu)解集的擁擠距離，選取除兩端點(diǎn)外擁擠距離最大的解作為精英個(gè)體。

$d_i=\left\{\begin{array}{cc}\sqrt{\frac{1}{2}\underset{k=1}{\overset{m}{\Σ}}({(f_i^k-f_i^{k-1})}^2+{\left(f_i^k-f_i^{k+1}\right)}^2)},& 1\<i\<s\\ \inf ,& else\end{array}\right.---\left(1\right)$

其中，f_i^k為第i個(gè)個(gè)體第k個(gè)目標(biāo)值，m為目標(biāo)數(shù)，s為最優(yōu)解集個(gè)數(shù)。

步驟2：當(dāng)引領(lǐng)蜂通過(guò)Step1選出的精英個(gè)體引導(dǎo)更新后，對(duì)產(chǎn)生的新個(gè)體進(jìn)行貪婪選擇，當(dāng)新個(gè)體支配原個(gè)體時(shí)替換原個(gè)體，此時(shí)，所產(chǎn)生的新個(gè)體具有成為精英個(gè)體的潛質(zhì)，如新個(gè)體能夠支配原精英個(gè)體，則將其選為新的精英個(gè)體，如互不支配，則通過(guò)輪盤(pán)賭法決定是否替換原精英個(gè)體，如新個(gè)體被支配，則不替換。

步驟3：當(dāng)?shù)螖?shù)達(dá)到總次數(shù)的10％,20％,…,90％時(shí)，采用步驟1方式選取最優(yōu)解。

3.根據(jù)權(quán)利要求1所述的一種基于進(jìn)化知識(shí)融合的多目標(biāo)人工蜂群算法，其特征在于步驟2中的引領(lǐng)蜂更新策略，具體過(guò)程如下：

將種群分為非支配個(gè)體和支配個(gè)體兩部分分別進(jìn)化，其公式為：

$\left\{\begin{array}{cc}{v}_{tj}=x_{tj}+r_1(x_{tj}-x_{kj})+r_2(x_{tj}-x_{bj}),& s_i=0\\ v_f=x_f+r_3(x_f-x_b),& s_i=1\end{array}\right.---\left(2\right)$

其中，s_i表示第i個(gè)個(gè)體是否為非支配解，是則為1，否則為0，x_b為精英個(gè)體，x_b為精英個(gè)體的第j維，x_tj和x_kj分別為第t和第k個(gè)支配個(gè)體的第j維，且t≠j，x_f為第f個(gè)非支配解，r₁,r₂,r₃為[-1,1]之間的隨機(jī)數(shù)。

4.根據(jù)權(quán)利要求1所述的一種基于進(jìn)化知識(shí)融合的多目標(biāo)人工蜂群算法，其特征在于步驟3中的更新概率計(jì)算公式，具體過(guò)程如下：

綜合評(píng)價(jià)個(gè)體質(zhì)量以獲得具有良好收斂性和分布性的Pareto最優(yōu)解集，改進(jìn)后的概率計(jì)算公式為：

$P_i=\left\{\begin{array}{cc}\frac{1}{1+(1-s_i)e^{{\mathrm{\η}}_1{l}_i}},& s_i=0\\ \frac{1}{1+s_i{e}^{-{\mathrm{\η}}_2{d}_i}},& s_i=1\end{array}\right.---\left(3\right)$

其中，s_i表示第i個(gè)個(gè)體是否為非支配解，d_i為非支配解的擁擠距離，η₁和η₂為綜合懲罰系數(shù)，l_i為支配個(gè)體到Pareto最優(yōu)前沿的歐氏距離，其計(jì)算公式為：

$l_i=\underset{f=1}{\overset{s}{min}}\sqrt{\underset{k=1}{\overset{m}{\Σ}}{\left(f_{ik}-f_{fk}\right)}^2}---\left(4\right)$

其中，f_ik為第i個(gè)支配個(gè)體的第k個(gè)目標(biāo)值，f_fk為第f個(gè)非支配個(gè)體的第k個(gè)目標(biāo)值，m為目標(biāo)個(gè)數(shù)，s為最優(yōu)解集個(gè)數(shù)。

5.根據(jù)權(quán)利要求1所述的一種基于進(jìn)化知識(shí)融合的多目標(biāo)人工蜂群算法，其特征在于步驟5中的外部檔案維護(hù)策略，具體步驟如下：

步驟1：未達(dá)到外部檔案?jìng)€(gè)數(shù)設(shè)定值時(shí)，根據(jù)支配關(guān)系選取互不支配的解進(jìn)入外部檔案。

步驟2：當(dāng)達(dá)到外部檔案?jìng)€(gè)數(shù)設(shè)定值時(shí)，按式(1)計(jì)算外部檔案中解的擁擠距離，通過(guò)循環(huán)刪減法刪除外部檔案中擁擠距離最小的解，并記錄下每次所刪減解的擁擠距離值，取最大值記為t為迭代次數(shù)。

步驟3：當(dāng)某個(gè)新解滿足支配關(guān)系時(shí)，即與外部檔案中任一解互不支配時(shí)，計(jì)算該解與外部檔案中所有解的歐式距離，取其最小值記為當(dāng)且僅當(dāng)時(shí)，選擇該解進(jìn)入外部檔案。