求解多目标优化问题基于相对熵的Pareto解演化算法  

A Relative Entropy-Based Pareto Evolutionary Algorithm for Multi-Objective Optimization

作　　者：陈昌巨[1] 武秀文[1] 

机构地区：[1]武汉理工大学,武汉430070

出　　处：《华中农业大学学报》2003年第1期65-69,共5页Journal of Huazhong Agricultural University

基　　金：国家自然科学基金重点项目 ( 6 0 1330 10 );武汉市晨光计划项目 ( 2 0 0 2 5 0 0 10 0 2 )

摘　　要：提出了一种求解多目标优化问题的基于相对熵的Pareto解演化算法 ,首先分析了多目标优化中各目标间的补偿模式和非补偿模式 ,以及它们对应的Pareto解演化算法和经典加权求和算法。指出实际问题中 ,并不存在完全的补偿模式或完全的非补偿模式 ,往往是需要补偿 ,但要避免目标间极端不均衡解的产生。故需在Pareto解演化算法基础上引入目标间均衡性的评价。然后利用相对熵作为均衡性的评价指标 ,在MOGA算法的基础上引入相对熵 ,形成了EPEA算法。算法避免了各目标间极端不均衡解的产生 ,为方便寻找偏好解提供了途径。数值实验证实了算法的有效性。This paper propose an entropy-based Pareto evolutionary algorithm (EPEA) for multi-objective optimization . It utilized the relative entropy to evaluate the equilibrium of the objectives for getting the region of equilibrium solutions. In this way, non-balanced solutions of objectives were avoided. The experimental results have confirmed the validity of this algorithm.

关 键 词：多目标优化 Pareto解演化算法 均衡性 相对熵 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构] O224[自动化与计算机技术—计算机科学与技术]