当前位置: 首页 > 文章 > 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 长江大学学报(自科版)农学卷 2022,19 (4) 100-110
Position: Home > Articles > Machine learning method for complex multi-objective programming problems based on deep convolutional neural network Journal of Yangtze University(Natural Science Edition)Agricultural Science Volumn 2022,19 (4) 100-110

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

作  者:
张涛;陈薇;周俊;刘瑞林;陈芳
单  位:
长江大学信息与数学学院
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
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.
译  名:
Machine learning method for complex multi-objective programming problems based on deep convolutional neural network

相似文章

计量
文章访问数: 34
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊