[发明专利]一种基于卷积神经网络的代理模型的构建方法

权利要求书

1.一种基于卷积神经网络的代理模型的构建方法——将卷积神经网络与代理模型相结合，其适用范围为拟采用分解思想来解决多目标优化进化计算的一类问题，其决策变量为中等维度；本发明可以用于降低代理模型的复杂度，提升代理模型训练的准确性，其实施步骤如下：

第一步：对训练样本进行拉丁立方体采样获取训练集；

通过问题的特定方法生产一个初始种群，对数据进行拉丁超立方体采样，以获得一定数量的训练集合；将训练集中的每一个样本点作为一个个体；

第二步：为训练集中的每一个个体分配空间向量；

在决策空间生成一组均匀分布的空间向量，该均匀分布的空间向量的数量与训练样本的数量保持一致；采用欧氏距离，计算空间中距离每一个样本最近的一个向量，将该向量追加到样本的后三维度，完成决策空间内均匀分布的向量对种群中个体分配；并建立三组{1，0，0}、{0，1，0}、{0，0，1}的向量集，用于增强每个子网络的训练；

第三步：采用分解思想建立基于卷积神经网络的代理模型；

针对问题的复杂程度训练构建模型来预测适应度值，其输入是需要被评估的个体，其输出是该个体的适应度值；首先编写基本的代理模型系统代码，搭建基于卷积神经网络的模型结构；在此基础上进行分解思想构造的设计——在标准卷积的基础上，在输出端增加一层结构，并以空间中均匀分布的向量的每一维度为权重值，从而利用分解思想提高网络的针对多目标优化问题处理的能力；借此，该网络可以达到针对一个多目标优化问题获得一个整体的代理模型，以此避免针对每一个目标训练出一个代理模型；

第四步：训练基于卷积神经网络的多目标优化代理模型；

将第二步计算得到的训练集输入基于卷积神经网络的代理模型并进行前向传播，并应用适当的激活层和损失函数进行模型的训练；得到最终的基于卷积神经网络的代理模型系统模型，并在多个测试问题集上进行测试，验证本发明的性能——在多目标优化进化中，基于卷积神经网络的代理模型的可降低代理模型的复杂度，提升代理模型训练的准确性。