基于神经网络实现分布评估的多目标差分算法

摘要：

为提高分布估计算法的模型精度和优化性能，提出一种基于神经网络实现分布评估的多目标差分算法。采用基于径向基神经网络的代理模型提供更多样本，以分区域的方法构建多个分布估计模型和代理模型，利用主成分分析技术和超体积指标确定具体的区域数量，建立各个模型与各段最优解所处流形之间的映射关系。通过差分算法的高效寻优能力引导分布估计模型的更新方向，设计差分算子与分布估计模型之间的自适应选择机制。基于5组多目标测试用例的实验结果表明，在IGD和IH‐指标上，该算法优于对比算法的用例数量分别为5组和4组，在高维优化问题上，其性能显著优于其它算法。

关键词：分布估计、差分算法、代理模型、径向基神经网络、最优解

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金项目61379079

在线出版日期：2015-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3092-3096,3127