摘要
本发明涉及多目标优化技术领域,具体地说,涉及一种多机制深度集成的多目标优化框架及其优化方法和应用,包括:强化学习模块、遗传算法模块、双向进化学习耦合模块、帕累托经验池模块、偏好管理模块和图神经网络模块,双向进化学习耦合模块用于实现强化学习模块和遗传算法模块之间的双向信息交互,其中强化学习模块生成候选解并反馈至遗传算法模块中,遗传算法模块筛选第一帕累托层中且拥挤距离大于设定阈值的精英解并反哺强化学习模块策略更新。本发明中,将强化学习的策略学习能力与遗传算法的全局种群搜索能力融合,显著提升了整体优化效率和对复杂帕累托前沿的逼近能力。
技术关键词
遗传算法
模块
双向信息交互
强化学习算法
策略更新
机制
框架
深度神经网络
统计特征
度量
超参数
多项式
节点
画像
关系
规模
场景
系统为您推荐了相关专利信息
配位方法
数据
粒子群优化算法
生态水文
混合算法
大容量电解电容
LED调光电源
DC功率
控制芯片
控制模块
梯度提升树模型
多年冻土
冻土监测技术
可读存储介质
数据获取模块
控制策略
机器人关节模组
关系
关节驱动模块
序列