基于模拟退火和信息熵的自适应多目标混合差分进化算法

摘要

本发明公开一种基于模拟退火和信息熵的自适应多目标混合差分进化算法。该方法改进了多目标差分进化算法的随机初始化过程，以及传统自适应多目标差分进化算法的变异、交叉和选择部分。该方法将采用基于正交矩阵和因子分析的正交初始化方法，从而获得一组代表性的实验初始组合。然后设计了新的缩放系数，从而改进变异操作函数和参数。然后基于模拟退火算法的Metropolis接受准则设计了改进的交叉操作。最后采用基于熵的拥挤度评估方法设计了改进的选择操作。本发明能够加快差分进化算法的收敛速度以及增大得到全局最优解的概率，从而为多目标优化问题得到理想的进化结果。