-
题名模型辅助的计算费时进化高维多目标优化
被引量：13
- 1
-
-
作者
孙超利
李贞
金耀初
-
机构
太原科技大学计算机科学与技术学院
萨里大学计算机科学系
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2022年第4期1119-1128,共10页
-
基金
国家自然基金(61876123)
山西省自然科学基金(201901D111262,201901D111264)资助。
-
文摘
代理模型能够辅助进化算法在计算资源有限的情况下加快找到问题的最优解集,因此建立高效的代理模型辅助多目标进化搜索逐渐受到了重视.然而随着目标数量的增加,对每个目标分别建立高斯过程模型时个体整体估值的不确定度会随之增加.因此通过对模型最优解集的搜索探索原问题潜在的非支配解集,并基于个体的收敛性,种群的多样性和估值的不确定度,提出了一种新的期望提高计算方法,用于辅助从潜在的非支配解集中选择使用真实目标函数计算的个体,从而更新代理模型,能够在有限的计算资源下更有效地辅助优化算法找到好的非支配解集.在7个DTLZ基准测试问题上的实验对比结果表明,该算法在求解计算费时高维多目标优化问题上是有效的,且具有较强的竞争力.
-
关键词
高维多目标优化
代理模型
计算费时问题
填充准则
-
Keywords
Many-objective optimization
surrogate models
computationally expensive problems
infill criterion
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名全局与局部模型交替辅助的差分进化算法
被引量：6
- 2
-
-
作者
于成龙
付国霞
孙超利
张国晨
-
机构
太原科技大学计算机科学与技术学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2022年第3期115-123,共9页
-
基金
国家自然科学基金面上项目(61876123)
山西省自然科学基金(201901D111264)
山西省优秀人才科技创新项目(201805D211028)。
-
文摘
为求解实际复杂工程应用中的高维计算费时优化问题,提出一种全局与局部代理模型交替辅助的差分进化算法。利用历史样本训练全局和局部代理模型,通过交替搜索全局和局部代理模型得到模型最优解并对其进行真实目标函数评价,实现探索和开采的平衡以减少真实目标函数的计算次数,同时通过针对性地选择个体进行真实目标函数计算,辅助算法快速找到目标函数的较优解。在15个低维测试问题和14个高维测试问题上的实验结果表明,在有限的计算资源情况下,该算法在12个低维测试问题上相较于最优重启策略代理辅助的社会学习粒子群优化算法、基于主动学习的代理模型辅助的粒子群优化算法等表现更好,在7个高维测试问题上相较于高斯过程辅助的进化算法、代理模型辅助的分层粒子群优化算法、求解高维费时问题的代理辅助的多种群优化算法等能找到目标函数的更优解。
-
关键词
全局代理模型
局部代理模型
差分进化算法
计算费时优化问题
径向基函数网络
-
Keywords
global proxy model
local proxy model
Differential Evolution(DE)algorithm
computationally expensive optimization problem
Radial Basis Function Network(RBFN)
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
