研究成果在《Expert Systems with Applications》上发表

近日，计算智能实验室李伟老师指导的研究成果在《Expert Systems with Applications》上发表学术论文《An Information Entropy-Driven Evolutionary Algorithm Based on Reinforcement Learning for Many-Objective Optimization》,提出了基于强化学习的多目标进化算法。

《Expert Systems with Applications》为人工智能与智能计算领域中权威的学术期刊。它强调理论和实践的平衡覆盖，它充分承认并生动地促进了信息科学学科的广度，长期位于中科院计算机科学和工程技术一区TOP期刊，最新影响因子为8.5。此次发表的研究成果为智能优化算法的改进和应用提供了理论和技术支持。

基于分解的多目标优化算法已经成为解决多目标优化问题的最有效方法之一。然而，这些多目标算法在精确逼近不规则帕累托前沿的复杂几何结构面临挑战。针对不规则帕累托前沿的多目标优化问题，本文提出了一种基于强化学习信息熵驱动的多目标进化算法。该算法在DTLZ, MaF和WFG测试集的不规则帕累托前沿问题上均产生了良好的表现。论文的主要贡献包括：

1.提出了一种基于强化学习的自适应参考向量策略，自适应地调整参考向量的分布，以有效地拟合不规则帕累托前沿的结构。

2.提出了一种信息熵驱动的自适应标量化方法来反映非支配解的多样性，使算法能够自适应地平衡多个竞争目标，并在保持个体多样性的同时有效地选择候选解。