一种基于卷积神经网络的动态混合元启发式算法

本发明涉及算法优化技术领域，公开了一种基于卷积神经网络的动态混合元启发式算法，包括以下步骤：S1：通过多个离线种群矩阵构建训练数据集；S2：通过离线种群特征和训练数据集训练分类器；S3：根据优化问题的多个决策变量随机生成多个初始解，并将初始解生成在线种群矩阵；S4：提取在线种群矩阵的种群特征；S5：将在线种群特征输入分类器中，通过分类器选择元启发式算法，并将初始解依次通过元启发式算法得到第一解；S6：将多个第一解分别通过适应度函数计算得到目标值；S7：当目标值大于预设的阈值时，重复S5、S6，当目标值小于预设的阈值时，终止计算。本发明能够在优化的不同阶段动态选择合适的元启发式算法，从而提高优化的准确性和效率。