基于神经网络和Pareto最优的多目标联合优化算法

摘要

基于Pareto最优的多目标进化算法得到了广泛地应用,但不适用于目标函数为非解析式的情况.基于神经网络和Pareto最优的联合策略,提出了一种解决此类问题的新方法:首先采用神经网络对历史数据进行学习,建立有效的神经网络模型来代替目标函数解析式;然后将神经网络模型嵌入多目标进化算法,进行进化计算;最后,将本文方法应用于卷烟配方比例掺配问题.实验结果表明,该方法优于传统方法,能较好地解决问题.