[发明专利]一种基于迁移学习与特殊点策略的动态多目标进化方法在审
| 申请号： | 201910274372.6 | 申请日： | 2019-04-08 |
| 公开（公告）号： | CN110097088A | 公开（公告）日： | 2019-08-06 |
| 发明（设计）人： | 孙浩;马学敏;宋浩诚;呼子宇;魏立新;范锐 | 申请（专利权）人： | 燕山大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/00;G06F17/16;G06Q10/04 |
| 代理公司： | 西安汇恩知识产权代理事务所(普通合伙) 61244 | 代理人： | 张伟花 |
| 地址： | 066004 河北*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供了一种基于迁移学习与特殊点策略的动态多目标进化方法，涉及进化计算领域。该方法包括：对动态多目标优化场景分析，获取所述优化场景的初始种群；采用多目标估计分布方法优化所述初始种群，获取所述初始种群的前端优化集；根据所述前端优化集获取特殊点；当所述决策变量发生变化时，基于联合分布适配的迁移学习方法将所述特殊点映射到高维空间，得到下一时刻的所述特殊点；采用多目标估计分布方法优化下一时刻所述初始种群，获取下一时刻所述初始种群的前端优化集。通过所述特殊点，实现对新环境下所述特殊点的准确预测，随机产生其他个体，增加种群多样性，从而提高算法在新环境下的收敛速度和收敛精度。 | ||
| 搜索关键词： | 初始种群 多目标 优化 迁移 新环境 收敛 进化 多目标优化 种群多样性 场景分析 高维空间 进化计算 决策变量 随机产生 适配 算法 映射 学习 场景 预测 联合 | ||
【主权项】：
1.一种基于迁移学习与特殊点策略的动态多目标进化方法，其特征在于，包括：对动态多目标优化场景分析，获取所述优化场景的初始种群，所述初始种群包含动态目标，决策变量和约束条件；采用多目标估计分布方法优化所述初始种群，获取所述初始种群的前端优化集；根据所述前端优化集获取特殊点；当所述决策变量发生变化时，基于联合分布适配的迁移学习方法将所述特殊点映射到高维空间，得到下一时刻的所述特殊点；以下一时刻的所述特殊点中的最小值为下限，以下一时刻所述特殊点中的最大值为上限，产生下一时刻的所述初始种群；采用多目标估计分布方法优化下一时刻所述初始种群，获取下一时刻所述初始种群的前端优化集。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于燕山大学，未经燕山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910274372.6/，转载请声明来源钻瓜专利网。
