一种融合分类器和主动学习策略的多目标优化方法

本申请提供了一种融合分类器和主动学习策略的多目标优化方法，属于人工智能与优化设计的技术领域，具体包括：获取包含多个目标性能函数值的样本数据集；对样本数据集进行非支配排序提取帕累托前沿点集，并从点集中提取几何特征作为几何特征向量序列；使用几何特征及对应的凸形标记训练一个Transformer架构的分类器模型，分类器模型支持多头注意力机制和位置编码结构；应用分类器模型对当前帕累托前沿的凸形置信度进行判断，并得到候选方案；将候选方案输入基于上下文推理的双注意力机制预测模型，对候选方案的多目标性能进行预测。本申请可以减少实验次数、加速达到目标性能，并提高多目标优化过程的智能性和效率。