基于RBF神经网络的动态多目标优化方法

本发明涉及一种基于RBF神经网络的动态多目标优化方法，利用RBF神经网络根据当前环境的初始种群确定当前环境的目标种群，先采用当前环境的初始种群对RBF神经网络进行训练；然后对初始种群进行两轮交叉变异操作生成两个子种群的决策变量；再将两个子种群的决策变量输入训练完成的RBF神经网络获得两个子种群的估计适应度；接着从初始种群和两个子种群中选出多个非支配解，提取多个非支配解的决策变量，并对所有非支配解的决策变量进行真实适应度计算；最后将每个非支配解的决策变量与真实适应度进行组合获得当前环境新的种群，直至环境不再发生变化，确定新的种群为当前环境的目标种群。该方法计算资源消耗少，种群个体收敛容易。