为了有效地实现铜带的加料Craft.io优化，建立了基于实际加料原理的非线性约束多目标模型。 该问题的提出有两个目的，即最大程度地减少原材料的总成本和最大程度地增加投入熔炉的废料量。 本文提出了一种求解混合模型的新方法，称为混合多目标人工蜂群（HMOABC）。 HMOABC算法是一种新的基于群体智能的多目标优化技术，其灵感来自于蜜蜂的智能觅食行为，归一化目标值和多样化选择（SNOV-DS）的总和以及非优势排序方法。 研究了两个测试示例，并与其他自然启发性技术（包括非支配排序遗传算法II（NSGA

为了有效地实现铜带的加料Craft.io优化，建立了基于实际加料原理的非线性约束多目标模型。 解决该问题的目的有两个，目的是使原料的总成本降至最低，并使投入熔炉的废料量最大化。 本文提出了一种求解混合模型的新方法，称为混合多目标人工蜂群（HMOABC）。 HMOABC算法是一种新的基于群体智能的多目标优化技术，其灵感来自于蜜蜂的智能觅食行为，归一化目标值和多样化选择（SNOV-DS）的总和以及非优势排序方法。 研究了两个测试示例，并与其他自然启发技术（包括非支配排序遗传算法II（NSGAII）和