求解多目标优化问题基于相对熵的Pareto解演化算法

被引：4

作者：

陈昌巨

武秀文

机构：

[1] 武汉理工大学

来源：

华中农业大学学报 | 2003年 / 01期

基金：

国家自然科学基金重点项目;

关键词：

多目标优化; Pareto解演化算法; 均衡性; 相对熵;

D O I：

10.13300/j.cnki.hnlkxb.2003.01.015

中图分类号：

TP301.6 [算法理论];

学科分类号：

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。

引用

页码：65 / 69

页数：5

共 6 条

[1]

A mathematical theory of communication. Shannon C E. BSTJ . 1948

[2]

Multi-objective optimization and multipleconstraints handling with evolutionary algorithms Part 1:A unifiedformulation. Fonseca C M,Flemming P J. IEEE Transactions on System,Man and Cybernetics-PartA Systems and Humans . 1998

[3]

Multi-objective optimization using non-domitated sorting in genetic algorithms. Srinivas N, Deb K. Evolutionary Computation . 1994

[4]

Multi-objective evolutionary algorithms: A comparative case study and the strength pareto spproach. Zitzler E, Theile L. IEEE Transactions on Evolutionary Computation . 1999

[5]

Multi-objective optimization using evolutionary algorithms. Deb K. John Wiley & Sons . 2001

[6]

Multi-objective evolutionary algorithms: analyzing the state-o-the-art. Van Veldhuizen D A, Lamont G B. Evolutionary Computation . 2000

← 1 →