【出 处】：《 计算机仿真 》 CSCD 2013年第30卷第10期 350-353页,共4页

【作 者】： 李枝勇 ; 马良 ; 张惠珍

【摘 要】 研究蝙蝠算法在多目标多选择背包优化中的应用问题。针对传统的多目标多选择背包优化算法由于计算复杂度非常高，难以获得满意的解等问题，在蝙蝠算法的基础上，提出了一种改进的蝙蝠算法用于求解多目标多选择背包问题。算法设计中，首先引入了惯性因子作用于蝙蝠的速度，重新定义了蝙蝠的速度的更新方程，用来提高算法的收敛速度，然后给出了蝙蝠个体和群体更新的规则，引导蝙蝠向Pareto飞行。最后仿真结果表明，与粒子群算法相比，蝙蝠算法能够以更快的速度找到相同数目的Pareto，体现出蝙蝠算法解决该问题的可行性和有效性以及蝙蝠算法性能的优越性，拓展了蝙蝠算法的应用领域。