BriefGPT - AI 论文速递
·
基于 MOOSE 的先进制造模型的降阶建模与操作员学习
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种通过深度强化学习和神经网络解决多目标优化问题的方法。通过分解问题为一组标量优化子问题，并建立神经网络模型，通过邻域参数传递策略和DRL训练算法优化所有子问题的模型参数，得到帕累托最优解。实验结果表明，该方法在多目标旅行商问题上具有泛化能力和快速解决速度。
🎯
关键要点
- 提出了一种通过深度强化学习和神经网络解决多目标优化问题的方法。
- 采用分解思想将问题分解为一组标量优化子问题。
- 针对每个子问题建立神经网络模型。
- 通过邻域参数传递策略和DRL训练算法优化所有子问题的模型参数。
- 利用训练好的神经网络模型直接得到帕累托最优解。
- 以多目标旅行商问题为研究对象，使用DRL-MOA方法建模子问题。
- 与其他基准方法进行对比，实验结果显示较强的泛化能力和快速解决速度。
➡️
