[发明专利]基于强化学习的多目标进化算法

摘要

本发明公开了基于强化学习的多目标进化算法，从搜索空间中随机产生初始种群，对所求得的种群进行评价；对不满足终止条件的种群，利用强化学习选择的DEvariant算子和T算子产生新的值，并对其与邻域的值进行交叉，变异产生新解；产生的新解，与原种群的解进行比较，选择使子问题函数满足最优值的解，来更新种群；利用产生的新种群，计算出新的5维观察向量和回报值R，进而更新RL控制器的状态；判断是否满足终止条件，不满足则不断进行迭代计算，直到满足终止条件，结束。本发明有效解决了MOEA/D对于T参数调节不敏感的问题。

主权项

1.基于强化学习的多目标进化算法，其特征在于，包括如下步骤：步骤1、从搜索空间中随机生成初始种群；步骤2、对所求得的种群根据评估准则进行评价；步骤3、更新搜索到的目标函数的最佳值；步骤4、利用产生的近似解Z*和终止条件进行比较判断，满足就结束；对不满足终止条件的种群，利用强化学习RL控制器选择的DEvariant算子和T算子产生新的值，并对其与邻域的值进行交叉，变异产生新解；步骤5、产生的新解与原种群的解进行比较，选择使子问题函数满足最优值的解，来更新种群；步骤6、利用产生的新种群，计算出新的5维观察向量和回报值R，进而更新RL控制器的状态，判断是否满足终止条件，不满足则不断进行迭代计算，直到满足终止条件，结束。