一种超参数自适应多目标优化方法

本发明涉及人工智能技术领域，特别涉及一种超参数自适应多目标优化方法。该超参数自适应多目标优化方法，用户创建自定义Experiment实验资源，并验证；Experiment实验控制器创建Suggestion建议资源，执行改进的NSGA‑III超参优化；Trial试验控制器创建训练任务并启动训练；收集并存储目标指标，若满足结束条件，则输出最优超参解集，供决策者选择。该超参数自适应多目标优化方法，实现了针对AI训练平台的高效超参数优化，不仅提高了优化效率，还能自适应地根据训练环境的变化动态调整超参数配置，为大规模深度学习模型训练提供了智能、高效的解决方案。