求解最优化问题一直是遗传算法的经典应用领域，但是对于不同的最优化问题，遗传算法往往要重新设计“交叉”、“变异”算子，甚至要开发新的进化操作；另外遗传算法不容易理解、操作复杂、大多数情况下效率比较低。所以，寻求新的解决最优问题的算法一直是研究热点。对约束优化问题的求解，已有许多算法被提出。传统的方法有梯度映射法、梯度下降法、惩罚函数法、障碍函数法等，但是单纯使用这些方法不是效率很低就是适用范围有限。而进化计算由于其求解过程不依赖于目标函数的解析性质，同时又能以较大的概率收敛于全局最优解，所以用进

一种基于梯度信息的多目标进化算法