基于大语言模型交互的动态约束多目标进化方法

本发明公开了基于大语言模型交互的动态约束多目标进化方法，包括：初始化种群；将种群分为目标型和约束型；将非支配个体传递给大语言模型保存历史信息；检测环境是否发生改变，若发生改变则将环境改变类型分类；若环境发生改变，则根据环境的改变类型启动与大语言模型的交互策略产生响应个体；若环境未发生改变，则利用LLM交互产生后代；连接深度学习框架返回奖励值作为目标函数进行个体评估，选出非支配个体并进行种群以及存档的更新；最后判断适应度评估次数是否小于最大函数评价次数，若满足，则输出种群的最优解和最优值；否则进入下一代种群演化。本发明解决了后期环境发生改变时没有针对性产生响应策略的问题。