一种基于深度神经网络与自适应差分进化的多目标寻优算法

摘要：

在对多目标优化问题进行求解的过程中,采用基于数学模型进行建模计算的传统方式虽然能够较为精细地对建模仿真对象的行为特征进行刻画和描述,但同时也会带来计算资源开销高、计算时间长等劣势,不利于仿真试验计算的有效开展和多目标寻优过程的实时性.为解决此问题,提出一种基于深度神经网络(Deep Neural Network,DNN)的模型特征学习方法,之后采用自适应差分进化算法(Adaptive Differential Evolution,ADE)进行多 目标寻优过程的仿真验证,仿真结果表明,所提出的算法能够在满足精度需求的前提下,有效提高寻优算法的实时性.

关键词：深度神经网络;自适应差分进化;多目标寻优

所属期刊栏目：16

分类号：TP391.9(计算技术、计算机技术)

资助基金：基础加强计划重点基础研究资助项目2020-JCJQ-ZD-081

在线出版日期：2021-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：548-554