基于深度卷积神经网络的复杂多目标规划问题机器学习方法
长江大学信息与数学学院
- 摘 要：
- 针对多目标规划进化算法中测试函数的Pareto最优解集模式单一、种群多样性与算法收敛速度相互牵制等问题,设计了一种基于深度卷积神经网络的复杂多 目标规划问题的机器学习方法:在原像空间中,提出"部分精英集的Gauss采样+部分拉丁超立方采样"的混合采样新方法,其中部分样本以精英集中的Pareto最优解为中心进行Gauss采样以保证所获Pareto最优前沿不差于上一代,部分样本利用拉丁超立方采样以保证样本的多样性;在像空间中,利用基于深度卷积神经网络图像特定边缘提取直接获取Pareto最优前沿.为测试算法求解复杂多 目标规划问题的效率和普适性,将5个经典多目标规划问题进行改进(测试模型的最优Pareto解集具有随机性并增加了测试模型维度),利用该算法对5个改进模型进行了仿真试验,结果表明,算法对求解复杂多 目标规划问题的具有可行性且具有较高的计算效率.
关键词：深度卷积神经网络;复杂多目标规划问题;机器学习;智能采样
相似文章
-
基于卷积神经网络马铃薯叶片病害识别和病斑检测 [王林柏, 张博, 姚竟发, 杨志辉, 张君, 范晓飞] 中国农机化学报 2021 (11) 122-129
-
基于自适应半径滤波的农业导航激光点云去噪方法研究 [毕松, 王宇豪] 农业机械学报 2021 (11) 234-243
-
基于CNN和DCGAN的手势识别的研究 [曲宝, 李荟] 黑龙江八一农垦大学学报 2021,33 (3) 79-84
-
基于深度卷积神经网络的柑橘目标识别方法 [毕松, 高峰, 陈俊文, 张潞] 农业机械学报 2019 (5) 181-186
-
基于迁移学习的无人机影像耕地信息提取方法 [鲁恒, 付萧, 贺一楠, 李龙国, 庄文化, 刘铁刚] 农业机械学报 2015,46 (12) 274-279+284
-
一种改进深度卷积神经网络的海岛识别方法 [王振华, 曲念毅, 钟元芾, 何婉雯, 宋巍, 黄冬梅] 上海海洋大学学报 2020 (3) 474-480
-
基于空间金字塔池化和深度卷积神经网络的作物害虫识别 [张博, 张苗辉, 陈运忠] 农业工程学报 2019,35 (19) 209-215
-
基于YOLO v3与图结构模型的群养猪只头尾辨别方法 [李泊, 沈明霞, 刘龙申, 陆明洲, 孙玉文] 农业机械学报 2020 (7) 44-51
-
基于DRGB的运动中肉牛形体部位识别 [邓寒冰, 许童羽, 周云成, 苗腾, 张聿博, 徐静, 金莉, 陈春玲] 农业工程学报 2018 (5) 166-175
-
深度卷积神经网络在计算机视觉中的应用研究综述 [王琳, 赵耀, 余静华, 陈曦] 农村经济与科技 2017 (14) 295
