基于生成对抗网络的稀疏大规模多目标优化方法

本发明公开了基于生成对抗网络的稀疏大规模多目标优化方法，涉及大规模多目标优化技术领域，包括以下步骤：对大规模高维稀疏数据集进行预处理，以减少数据维度和噪声，同时确保优化过程中对稀疏区域的解空间探索不被忽略。本发明通过稀疏数据预处理、稀疏性控制机制和多轮对抗学习循环，提升生成对抗网络在多目标优化中的解集多样性和覆盖率，有效避免模式崩溃现象，使优化结果更全面。在处理高维稀疏数据时，通过特征提取、降维和动态学习率调整，降低计算复杂度，提升训练效率和稳定性，确保生成器能够均衡探索解空间的稀疏区域与高密度区域，为复杂决策场景提供高效可靠的技术支持。