基于大语言模型交互的动态约束多目标进化方法
技术特征:
1.基于大语言模型交互的动态约束多目标进化方法,其特征在于,具体按照以下步骤实施:
2.根据权利要求1所述的基于大语言模型交互的动态约束多目标进化方法,其特征在于,所述步骤1中,初始化参数,包括种群规模n、目标型存档f和约束型存档c规模都初始化为n/2,非支配存档a规模为n;初始化n个个体,作为初始种群。
3.根据权利要求1所述的基于大语言模型交互的动态约束多目标进化方法,其特征在于,所述步骤2具体按照以下步骤实施:
4.根据权利要求1所述的基于大语言模型交互的动态约束多目标进化方法,其特征在于,所述步骤3具体按照以下步骤实施:
5.根据权利要求1所述的基于大语言模型交互的动态约束多目标进化方法,其特征在于,所述步骤4具体按照以下步骤实施:
6.根据权利要求1所述的基于大语言模型交互的动态约束多目标进化方法,其特征在于,所述步骤5具体按照以下步骤实施:
7.根据权利要求1所述的基于大语言模型交互的动态约束多目标进化方法,其特征在于,所述步骤6具体为:若目标变化程度δf与约束变化程度δc都小于0.5则判定环境未发生改变,则需要用到保存的历史信息,调用llm进行交互让其通过学习历史信息中隐藏信息产生后代,同时需要给出llm提示策略。
8.根据权利要求1所述的基于大语言模型交互的动态约束多目标进化方法,其特征在于,所述步骤7具体按照以下步骤实施:
技术总结
本发明公开了基于大语言模型交互的动态约束多目标进化方法,包括:初始化种群;将种群分为目标型和约束型;将非支配个体传递给大语言模型保存历史信息;检测环境是否发生改变,若发生改变则将环境改变类型分类;若环境发生改变,则根据环境的改变类型启动与大语言模型的交互策略产生响应个体;若环境未发生改变,则利用LLM交互产生后代;连接深度学习框架返回奖励值作为目标函数进行个体评估,选出非支配个体并进行种群以及存档的更新;最后判断适应度评估次数是否小于最大函数评价次数,若满足,则输出种群的最优解和最优值;否则进入下一代种群演化。本发明解决了后期环境发生改变时没有针对性产生响应策略的问题。
技术研发人员:江巧永,樊璐璐
受保护的技术使用者:西安理工大学
技术研发日:
技术公布日:2024/11/28
文档序号 :
【 40163960 】
技术研发人员:江巧永,樊璐璐
技术所有人:西安理工大学
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
技术研发人员:江巧永,樊璐璐
技术所有人:西安理工大学
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
