原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种含对抗生成网络的贝叶斯优化方法，该方法包括：分别从真实样本和预测样本中进行知识提取，对当前模型预测结果进行二次判断，从而避免因代理模型在高维昂贵优化问题上的优化方向偏移导致的预测能力下降。根据基础数据和多目标代理辅助模型，得到一组尽可能收敛于真实Pareto前沿且均匀分布的Pareto解集；其中，所述含对抗生成网络的贝叶斯多目标优化模型的构建过程包括：使用两个基础算法作为基础优化器。并对历史数据进行标记选取。同时，结合Lp范式和最大最小距离的新的收敛性准则。这个策略可以有效降低计
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116306769 A
(43)申请公布日 2023.06.23
(21)申请号 202310052128.1
(22)申请日 2023.02.02
(71)申请人 山东师范大学
地址 250358
文档评论（0）