摘要：新型元启发式算法例如粒子群算法，萤火虫算法，和声搜索算法已经成为现今复杂的优化问题的有效解决方法。该文基于蝙 蝠的回声定位行为提出了一种新型的元启发式算法———蝙蝠算法，同时也将现有的一些算法的优点引入到该算法中。 改文对该算 法进行了详细的公式化表述并对其执行流程的作出了说明，并且将该算法与遗传算法、粒子群优化算法等算法进行了比较。仿真结 果表明,蝙蝠算法明显优于其他算法，并对进一步的研究作出了展望。-Summary: The new meta-heuristic algor

针对传统煤矿节能减排优化模型选取的目标函数比较单一的问题,构建了涵盖经济效益、能源消耗、污染物排放量等目标函数的煤矿节能减排多目标优化模型,并应用基于改进的蝙蝠算法寻找3个目标函数之间的优化解,实现了经济效益最大化、能源消耗最低化、污染物排放量最少化的优化结果。仿真结果表明,相比于PSO-E、NSGA-II算法,改进的蝙蝠算法能够在较短的迭代步数内获取较高的个体适应度,且能够实现较佳的多目标优化结果,符合节能规划的目标需求。(Aiming at the problem that the obje