基于动态分布计算资源的昂贵多目标优化算法

1

作者 张晶 裴东兴 +1 位作者 马瑾 沈大伟 《高技术通讯》 北大核心 2025年第8期861-867,共7页

代理模型辅助的多目标优化算法广泛用于求解评价昂贵的多目标优化问题,其中,采用样本更新模型是提高算法性能的必要过程。然而,传统方法未对模型的状态进行评估而同时更新所有模型,浪费了大量的计算资源。针对该问题,本文提出基于动态... 代理模型辅助的多目标优化算法广泛用于求解评价昂贵的多目标优化问题,其中,采用样本更新模型是提高算法性能的必要过程。然而,传统方法未对模型的状态进行评估而同时更新所有模型,浪费了大量的计算资源。针对该问题,本文提出基于动态分布计算资源的昂贵多目标优化算法,该算法提出了自适应选择模型更新策略。具体地,依据模型对当前种群估值的不确定度来判断模型的性能,当种群中解不确定度的中值大于均值时,该目标函数模型被选择进行更新;当种群中的解不确定度的中值小于均值时,该模型不被更新。为了验证该策略的有效性,将该策略用于代理模型辅助的自适应贝叶斯优化算法(an adaptive Bayesian approach to surrogate-assisted evolutionary algorithm,ABSAEA)和代理模型辅助的参考向量引导的进化算法(surrogate-assisted reference vector guided evolutionary algorithm,KRVEA)中,并且在DTLZ函数上进行实验。实验结果表明,该算法可以显著降低昂贵多目标优化算法的计算复杂度。 展开更多

关键词 进化算法 昂贵多目标优化问题 代理模型 填充准则 不确定度

在线阅读 下载PDF 职称材料

基于自适应采样策略的模糊分类代理辅助进化算法

2

作者 李二超 吴煜 《郑州大学学报(工学版)》 北大核心 2025年第2期51-59,共9页

针对基于分类代理辅助进化算法模型管理效率不高和如何有效降低真实函数评估次数的问题,提出了一种基于自适应采样策略的模糊分类代理辅助进化算法。首先,算法通过帕累托支配关系筛选样本来构造代理模型;其次,采用基于转移的密度估计策... 针对基于分类代理辅助进化算法模型管理效率不高和如何有效降低真实函数评估次数的问题,提出了一种基于自适应采样策略的模糊分类代理辅助进化算法。首先,算法通过帕累托支配关系筛选样本来构造代理模型;其次,采用基于转移的密度估计策略提高选择压力,兼顾收敛性与多样性,同时利用十折交叉验证得到精度信息用来划分状态;最后,设计了一种自适应模型管理策略,其考虑当前种群的收敛性、多样性和不确定性,并根据不同精度状态采用有针对性的采样方式,该算法能够在保证整体性能的前提下,合理减少真实评估次数。为验证所提算法性能,将该算法与其他4种算法在MaF、WFG测试集和汽车侧面碰撞设计与驾驶室设计的实际工程问题上进行了分析对比实验,实验结果表明:所提算法在有限次评估条件下,在解决昂贵多目标优化问题时具有较好的竞争力。 展开更多

关键词 代理辅助进化算法 代理模型 昂贵多目标优化问题 模型管理

在线阅读 下载PDF 职称材料

数据驱动的智能计算及其应用研究综述

3

作者 戴瑞 介婧 +2 位作者 王万良 叶倩琳 吴菲 《浙江大学学报(工学版)》 北大核心 2025年第2期227-248,共22页

为了有效地解决实际应用中涌现出的越来越复杂的昂贵优化问题(EOPs),全面综述了能够有效降低计算成本和提高求解效率的最新数据驱动智能计算(DDICs)方法.从算法和应用2个层面系统地概述了最新DDICs的研究成果,归纳和总结了广义DDICs和... 为了有效地解决实际应用中涌现出的越来越复杂的昂贵优化问题(EOPs),全面综述了能够有效降低计算成本和提高求解效率的最新数据驱动智能计算(DDICs)方法.从算法和应用2个层面系统地概述了最新DDICs的研究成果,归纳和总结了广义DDICs和自适应DDICs中的不同技术点,剖析了DDICs在解决EOPs时所面临的挑战与机遇.提出未来研究的潜在发展趋势,如进行更深层次的理论分析、探索新颖的学习范式及其在更多不同实际领域中的应用等,旨在为研究者提供有针对性的参考与方向,激发创新思路,从而更有效地应对实际应用中的各种复杂EOPs. 展开更多

关键词 数据驱动优化 代理辅助优化 智能计算 自适应学习 昂贵优化问题

在线阅读 下载PDF 职称材料

基于约束预测改进聚合策略的多目标并行代理优化方法

4

作者 肖甜丽 吴锋 林成龙 《计算机集成制造系统》 北大核心 2025年第7期2578-2590,共13页

针对并行计算环境下的昂贵约束多目标优化求解高耗时问题,提出了基于约束预测改进聚合策略的多目标并行代理优化方法.该方法在预测改进函数分解的基础上构建约束预测改进聚合策略,采用最大化距离分解函数实现多点并行设计,并在并行计算... 针对并行计算环境下的昂贵约束多目标优化求解高耗时问题,提出了基于约束预测改进聚合策略的多目标并行代理优化方法.该方法在预测改进函数分解的基础上构建约束预测改进聚合策略,采用最大化距离分解函数实现多点并行设计,并在并行计算环境下实现多点仿真的同步估计。该方法一方面充分利用实际工程中丰富的计算资源,实现优化设计效率的进一步提升;另一方面,所构造的约束预测改进聚合策略仅进行一维积分运算,具有计算复杂度低的优势。测试算例及自发电缓冲背架优化结果表明:所提方法可有效提升昂贵多目标约束优化问题的优化效率,进一步缩短优化设计所需计算时间;与同类方法相比,Pareto优化解具有良好的质量特性,在解的收敛性、空间分布性及多样性方面均具有一定优势。 展开更多

关键词 昂贵多目标优化问题 KRIGING模型 约束预测改进聚合准则 并行代理优化 自发电缓冲背架设计

在线阅读 下载PDF 职称材料

基于代理模型估值不确定度的昂贵多目标优化问题研究

5

作者 张晶 裴东兴 +1 位作者 马瑾 沈大伟 《石河子大学学报（自然科学版）》 CAS 北大核心 2024年第1期110-116,共7页

针对代理模型辅助的多目标优化算法中个体不确定度之间相互冲突的问题,本文提出个体每个目标估值不确定的填充准则,同时,为了减少训练模型消耗的计算资源,提出基于非支配排序的样本选择算法。为了验证该算法的可行性,采用DTLZ和WFG测试... 针对代理模型辅助的多目标优化算法中个体不确定度之间相互冲突的问题,本文提出个体每个目标估值不确定的填充准则,同时,为了减少训练模型消耗的计算资源,提出基于非支配排序的样本选择算法。为了验证该算法的可行性,采用DTLZ和WFG测试函数进行测试,得出结果与近些年发表5种具有代表性的同类型算法进行对比,结果说明该算法可以有效的解决昂贵高维高目标优化问题。 展开更多

关键词 进化算法 昂贵多目标优化问题 代理模型 填充准则 不确定度

在线阅读 下载PDF 职称材料

带隐藏约束昂贵黑箱问题的自适应代理优化方法

6

作者 白富生 兰秘 《运筹学学报（中英文）》 CSCD 北大核心 2024年第1期89-100,共12页

针对带隐藏约束的昂贵黑箱全局优化问题,提出采用自适应转换搜索策略的代理优化方法。在转换搜索子步中采用与已估值点个数相关的标准差在当前最优点附近通过随机扰动生成候选点,以更好地平衡局部搜索和全局搜索。为更好地近似真实黑箱... 针对带隐藏约束的昂贵黑箱全局优化问题,提出采用自适应转换搜索策略的代理优化方法。在转换搜索子步中采用与已估值点个数相关的标准差在当前最优点附近通过随机扰动生成候选点,以更好地平衡局部搜索和全局搜索。为更好地近似真实黑箱目标函数,采用了自适应组合目标代理模型。在50个测试问题上进行了数值实验,计算结果说明了所提算法的有效性。 展开更多

关键词 昂贵黑箱问题 全局优化 隐藏约束 代理优化

在线阅读 下载PDF 职称材料

两阶段模型协同搜索的昂贵多目标进化优化 被引量：1

7

作者 刘晓彤 孙超利 +1 位作者 王浩 谢刚 《控制理论与应用》 EI CAS CSCD 北大核心 2024年第9期1676-1684,共9页

近年来,昂贵多目标优化问题的求解获得了越来越多的关注.然而,随着决策空间维度的升高,模型的有效性和准确性很难保证.因此,本文提出了一种两阶段模型协同搜索的昂贵多目标进化优化.在该方法中,每轮种群进化前构建全局模型,以辅助加快... 近年来,昂贵多目标优化问题的求解获得了越来越多的关注.然而,随着决策空间维度的升高,模型的有效性和准确性很难保证.因此,本文提出了一种两阶段模型协同搜索的昂贵多目标进化优化.在该方法中,每轮种群进化前构建全局模型,以辅助加快对最优解集的搜索.随后,利用搜索到的种群选择其邻域样本训练局部模型,对二者集成辅助算法进行进一步搜索.最后,提出基于不确定度的填充采样策略选点,进行真实评价.为了验证算法的有效性,将本文算法与4个算法分别在DTLZ和MaF测试集以及两个实际问题上进行比较,实验结果表明其具有良好的性能. 展开更多

关键词 多目标优化 昂贵优化问题 集成模型 协同搜索 填充采样策略

在线阅读 下载PDF 职称材料

自适应模型选用辅助的多种群进化算法

8

作者 张国晨 崔钧皓 +2 位作者 王浩 孙超利 李春鹏 《小型微型计算机系统》 CSCD 北大核心 2024年第5期1083-1088,共6页

代理模型辅助的进化算法是求解目标函数评价昂贵优化问题的有效方法.在这类算法中,算法的搜索策略和填充采样策略是在有限评价次数下获得优化问题较好解的重要因素.为此,本文使用多种群搜索策略用于平衡种群搜索的多样性和收敛性,同时... 代理模型辅助的进化算法是求解目标函数评价昂贵优化问题的有效方法.在这类算法中,算法的搜索策略和填充采样策略是在有限评价次数下获得优化问题较好解的重要因素.为此,本文使用多种群搜索策略用于平衡种群搜索的多样性和收敛性,同时基于个体和训练样本之间目标函数值的距离自适应选择模型进行个体的目标函数值估计,以提高估值的准确度.为了验证算法的有效性,在CEC2005测试函数以及扩频雷达Polly编码优化设计问题上进行测试,并和现有求解昂贵优化问题的算法进行了结果对比.实验结果表明本文提出的算法在目标函数评价次数有限的情况下能够获得昂贵优化问题的较好解. 展开更多

关键词 代理模型辅助的进化算法 昂贵优化问题 模型自适应选用策略 多种群搜索策略

在线阅读 下载PDF 职称材料

模型辅助的计算费时进化高维多目标优化 被引量：13

9

作者 孙超利 李贞 金耀初 《自动化学报》 EI CAS CSCD 北大核心 2022年第4期1119-1128,共10页

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... 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. 展开更多

关键词 高维多目标优化 代理模型 计算费时问题 填充准则

在线阅读 下载PDF 职称材料

基于自适应分解的多任务协作型昂贵多目标优化算法 被引量：11

10

作者 蔡昕烨 马中雨 +5 位作者 张峰 李楠 程会林 孙祺 肖禹舜 李小平 《计算机学报》 EI CAS CSCD 北大核心 2021年第9期1934-1948,共15页

现实世界的工程优化问题通常需要同时优化多个冲突的目标,且这些目标函数的评估由于依赖仿真、物理实验而十分昂贵,这类问题被称为昂贵多目标优化问题.使用机器学习方法建立代理模型用于估计候选解的目标函数值是求解此类问题的一种有... 现实世界的工程优化问题通常需要同时优化多个冲突的目标,且这些目标函数的评估由于依赖仿真、物理实验而十分昂贵,这类问题被称为昂贵多目标优化问题.使用机器学习方法建立代理模型用于估计候选解的目标函数值是求解此类问题的一种有效手段.高斯代理模型适用于训练样本数较少的中小规模问题,且能提供评估的不确定性,因此常作为代理模型被应用于昂贵优化.分解是处理多目标优化问题的一种有效手段.一个多目标优化问题可被分解为多个单目标优化子问题,且多个子问题可被进一步划分为代理模型学习的一个目标任务.现有基于分解的昂贵多目标优化算法大多将固定数量的子问题静态地划分到同一任务,从而构造多个固定任务并对其建立多任务高斯代理模型进行求解.这未能充分利用数据的相关信息动态反映出任务间的相关性,限制了多任务高斯过程模型的预测精度以及优化算法的最终性能.为此,本文提出了一种自适应多任务多种群协作搜索算法(AMMCS).AMMCS使用相似性指标实时度量已评估的解集,获得子问题间的相关性,从而自适应地划分任务,提升多任务模型的预测质量.此外,AMMCS使用一个解集(种群)优化一个任务,并通过多种群的协作搜索实现多任务高斯模型的批量优化,提高了采样效率,提升了算法的收敛效率.通过AMMCS与六个代理辅助进化算法进行多组实验对比和分析,显示了AMMCS具有良好的性能.我们同时也设计实验验证了算法中自适应分解以及多种群协作搜索的有效性. 展开更多

关键词 代理辅助进化算法 昂贵优化 多目标优化 多任务高斯过程模型 多种群协作搜索

在线阅读 下载PDF 职称材料

基于径向空间划分的昂贵多目标进化算法 被引量：5

11

作者 顾清华 周煜丰 +1 位作者 李学现 阮顺领 《自动化学报》 EI CAS CSCD 北大核心 2022年第10期2564-2584,共21页

为了解决难以建立精确数学模型或者真实评估实验成本高昂的多目标优化问题,提出了一种基于径向空间划分的昂贵多目标进化算法.首先算法使用高斯回归作为代理模型逼近目标函数;然后将目标空间的个体投影到径向空间,结合目标空间和径向空... 为了解决难以建立精确数学模型或者真实评估实验成本高昂的多目标优化问题,提出了一种基于径向空间划分的昂贵多目标进化算法.首先算法使用高斯回归作为代理模型逼近目标函数;然后将目标空间的个体投影到径向空间,结合目标空间和径向空间信息保留对种群贡献更高的个体;之后由径向空间中个体的位置分布决定下一步应该选择哪些个体进行真实评估;最后,采用一种双档案管理策略维护代理模型的质量.数值实验和现实问题上的结果表明,与5种先进算法相比,该算法在解决昂贵多目标优化问题时能够提供更高质量的解. 展开更多

关键词 昂贵多目标优化问题 高斯过程 径向投影 双档案管理策略

在线阅读 下载PDF 职称材料

基于Kriging模型的改进型NSGA-Ⅲ解决昂贵优化问题 被引量：1

12

作者 耿焕同 宋飞飞 +1 位作者 周征礼 徐小涵 《计算机科学》 CSCD 北大核心 2023年第7期194-206,共13页

在许多实际的优化问题中,为了进行适应度评估,其物理实验或数值仿真代价高昂,这给大多数现有的多目标进化算法(EAs)带来了巨大挑战。因此,文中提出了一种基于克里金模型辅助的改进参考点引导进化的优化算法,用于解决昂贵的超多目标优化... 在许多实际的优化问题中,为了进行适应度评估,其物理实验或数值仿真代价高昂,这给大多数现有的多目标进化算法(EAs)带来了巨大挑战。因此,文中提出了一种基于克里金模型辅助的改进参考点引导进化的优化算法,用于解决昂贵的超多目标优化问题。具体而言,根据种群的空间分布特征,借助关联点的熵差信息筛选参考点引导进化,以达到探索与开发的平衡。所提出的代理辅助进化算法(SAEA)使用克里金法来逼近每个目标函数,而无需进行原始昂贵的函数评估从而降低了计算成本。模型管理中采用一种纯指标填充采样准则,借助收敛性、多样性指标确定适当采样策略并使用昂贵目标函数对采样解进行真实评估以提升种群收敛与算法优化的效率。对具有3个以上目标的80个DTLZ与WFG基准测试问题进行了对比研究,证明了此算法的有效性和可行性。 展开更多

关键词 昂贵耗时问题 进化算法 代理辅助多目标优化 KRIGING模型 模型管理

在线阅读 下载PDF 职称材料

差分进化算法在平面扭簧设计中的应用 被引量：1

13

作者 陈鑫 曾冰 《机床与液压》 北大核心 2021年第13期112-117,共6页

由于因变量和自变量的关系无法用显式函数表达,导致平面扭簧的设计优化问题都是昂贵黑箱问题。差分进化算法是近年来用于解决高成本优化问题的方法,它通过使用代理模型,对适应度与因变量的关系进行预测,从而大幅降低计算成本。提出一种... 由于因变量和自变量的关系无法用显式函数表达,导致平面扭簧的设计优化问题都是昂贵黑箱问题。差分进化算法是近年来用于解决高成本优化问题的方法,它通过使用代理模型,对适应度与因变量的关系进行预测,从而大幅降低计算成本。提出一种基于变可信度代理模型和差分进化相结合的设计优化方法(VFS-DE)。利用所提出的VFS-DE进行相关优化测试函数检验,结果表明:该方法可以有效地解决函数优化问题。将VFS-DE应用在机床伺服电机平面扭簧的设计中,相关实验结果验证了该方法的有效性。 展开更多

关键词 高成本优化问题 变可信度代理模型 差分进化 平面扭簧

在线阅读 下载PDF 职称材料

一种基于多层设计空间缩减策略的近似高维优化方法

14

作者 叶鹏程 王聪聪 潘光 《西北工业大学学报》 EI CAS CSCD 北大核心 2021年第2期292-301,共10页

针对高维昂贵黑箱问题(high-dimensional expensive black-box,HEB)处理过程中工程模型复杂、计算量大的难题,提出一种基于多层设计空间缩减策略的近似高维优化方法(hierarchical design space reduction strategy based approximate hi... 针对高维昂贵黑箱问题(high-dimensional expensive black-box,HEB)处理过程中工程模型复杂、计算量大的难题,提出一种基于多层设计空间缩减策略的近似高维优化方法(hierarchical design space reduction strategy based approximate high-dimensional optimization method,HSRAHO)。利用3种经典代理模型:多项式响应面模型、径向基函数模型和克里金模型,使用基于预测均方根误差权重因子优化方法计算获得各代理模型权系数,通过加权叠加构建组合代理模型,替代实际高维黑箱模型。使用多层设计空间缩减策略根据已知信息确定设计子空间,并在其内部确定有效样本点,逐步提高组合代理模型在感兴趣区域的预测精度,直至优化收敛。将提出的近似高维优化方法HSRAHO应用于标准优化函数和翼型设计优化问题,测试结果验证了该方法在高维优化效率和全局收敛性方面的优势。 展开更多

关键词 高维昂贵黑箱问题 高维优化 多层设计空间缩减策略 组合代理模型

在线阅读 下载PDF 职称材料

动态Kriging优化算法求解昂贵约束优化问题 被引量：1

15

作者 肖建 李枚毅 +1 位作者 蔡霞 张海 《小型微型计算机系统》 CSCD 北大核心 2013年第7期1659-1663,共5页

针对昂贵单目标约束优化中真实模型计算费时且现有算法收敛速度慢的问题,提出了动态Kriging优化算法以提高计算效率.该算法首先将所有约束条件转换为一个约束函数,然后采用拉丁超立方体采样(LHS)法进行采样,分别建立真实模型目标函数和... 针对昂贵单目标约束优化中真实模型计算费时且现有算法收敛速度慢的问题,提出了动态Kriging优化算法以提高计算效率.该算法首先将所有约束条件转换为一个约束函数,然后采用拉丁超立方体采样(LHS)法进行采样,分别建立真实模型目标函数和约束函数的Kriging代理模型,同时结合真实模型对代理模型估计进行误差矫正,采用非支配个体选择、保留和替换机制不断更新样本库和Kriging代理模型.最后将进化最优种群代入真实模型计算其最优值.通过13个标准函数测试表明该算法具有较高的精确度和稳健性,明显减少了真实模型的评价次数. 展开更多

关键词 KRIGING 代理模型 拉丁超立方体 昂贵约束问题

在线阅读 下载PDF 职称材料

面向多目标优化的多样性代理辅助进化算法 被引量：9

16

作者 孙哲人 黄玉划 陈志远 《软件学报》 EI CSCD 北大核心 2021年第12期3814-3828,共15页

代理辅助进化算法(SAEA)是目前解决昂贵优化问题的一种有效途径.提出一种基于多样性的代理辅助进化算法(DSAEA)来解决昂贵多目标优化问题.DSAEA采用Kriging模型近似每个目标来代替原目标函数进行评估,加速了进化算法的优化过程.其引入... 代理辅助进化算法(SAEA)是目前解决昂贵优化问题的一种有效途径.提出一种基于多样性的代理辅助进化算法(DSAEA)来解决昂贵多目标优化问题.DSAEA采用Kriging模型近似每个目标来代替原目标函数进行评估,加速了进化算法的优化过程.其引入参考向量把问题分解为多个子问题,根据解与参考向量之间的角度大小建立它们的相关性,然后计算出最小相关解集.在此基础上,候选解生成算子和选择算子会趋向于保留多样性的解.另外,训练集A在每次迭代后会进行更新,根据多样性删除价值不大的样本以减少建模时间.实验部分对DSAEA与目前流行的代理辅助进化算法在大规模2目标和3目标优化问题上进行对比实验.每个算法在不同的测试问题上分别独立运行30次,并计算和统计反向迭代距离(IGD)、超体积(HV)和运行时间,最后使用秩和检验分析实验结果.结果表明:DSAEA在多数实验测试问题上表现更好,因此具有有效性和可行性. 展开更多

关键词 代理模型 进化算法 多目标优化 昂贵问题 参考向量 模型管理 KRIGING

在线阅读 下载PDF 职称材料

基于均值改进控制策略的昂贵约束并行代理优化算法 被引量：7

17

作者 林成龙 马义中 肖甜丽 《控制理论与应用》 EI CAS CSCD 北大核心 2021年第6期707-718,共12页

针对具有黑箱特性的昂贵约束优化问题及工程中计算资源利用率不高问题,提出了新的基于均值改进控制策略的并行代理优化算法.该算法为了减少仿真建模计算负担,选取Kriging近似模型对目标函数和约束函数进行近似估计.在Kriging模型基础上... 针对具有黑箱特性的昂贵约束优化问题及工程中计算资源利用率不高问题,提出了新的基于均值改进控制策略的并行代理优化算法.该算法为了减少仿真建模计算负担,选取Kriging近似模型对目标函数和约束函数进行近似估计.在Kriging模型基础上,利用均值改进与新增试验样本间的不等关系构建具有距离特性的控制函数.算法的均值改进控制策略通过控制函数调整最大改进值,实现样本设计空间的多点填充.算法适用范围:1)计算成本主要来自于仿真估计而非优化;2)复杂的工程或商业软件内部无法修改的昂贵仿真问题.数值算例和仿真案例表明:该算法可有效获取近似最优解,减少仿真试验次数的同时弱化均值改进准则的贪婪特性.相比于其他多点填充策略,均值改进控制策略可有效提升算法计算效率.此外,算法获取优化问题近似最优解的稳定性和精度均具有一定优势. 展开更多

关键词 KRIGING模型 昂贵约束优化问题 均值改进控制策略 并行计算 可行性概率

在线阅读 下载PDF 职称材料

求解高维昂贵多目标问题的约束型Dropout代理辅助进化算法 被引量：3

18

作者 张睿 白晓露 潘理虎 《电子学报》 EI CAS CSCD 北大核心 2023年第7期1859-1867,共9页

现实优化问题常需同时对多个冲突目标进行评估优化,由于评估过程多依赖大量复杂的仿真实验,从而产生计算代价昂贵的问题.代理模型辅助下的进化算法可在计算资源有限的情况下为此类问题提供有效的最优解集.但随着问题决策以及目标空间维... 现实优化问题常需同时对多个冲突目标进行评估优化,由于评估过程多依赖大量复杂的仿真实验,从而产生计算代价昂贵的问题.代理模型辅助下的进化算法可在计算资源有限的情况下为此类问题提供有效的最优解集.但随着问题决策以及目标空间维度变高,则会衍生出诸多负面因素限制代理模型的预测精度.对此,提出一种基于约束型Dropout神经网络的代理辅助进化算法(Constrained Dropout Neural Network based surrogate-assisted Evolution Algorithm,CDNNEA),以约束型Dropout神经网络作为一种可扩展方案来增强代理模型在高维空间中的适用性,在模型管理部分中,构建种群个体收敛性以及多样性评判指标,自适应地选取引导代理模型更新的代表性个体.通过在DTLZ基准测试问题上进行实验,CDNNEA显示出相较其它先进算法性能表现最优或近似最优,同时将其应用于高维参数自适应优化的现实问题中.实验表明:提供的代表性解决方案投入实际应用时识别准确率均较优且模型计算量可控,验证出CDNNEA在高维昂贵类优化问题上的有效性. 展开更多

关键词 代理模型 昂贵问题 高维多目标优化 模型管理 进化算法

在线阅读 下载PDF 职称材料

基于多样性分类和距离回归的进化算法 被引量：2

19

作者 孙哲人 黄玉划 陈志远 《软件学报》 EI CSCD 北大核心 2022年第10期3700-3716,共17页

提出了一个基于多样性分类和距离回归的进化算法(DCDREA),以解决昂贵超多目标优化问题(Ma OPs).DCDREA采用随机森林(RF)作为全局分类代理模型,它把种群中所有解作为训练样本,并根据是否为最小相关解,把训练样本分类为正负样本,使模型学... 提出了一个基于多样性分类和距离回归的进化算法(DCDREA),以解决昂贵超多目标优化问题(Ma OPs).DCDREA采用随机森林(RF)作为全局分类代理模型,它把种群中所有解作为训练样本,并根据是否为最小相关解,把训练样本分类为正负样本,使模型学习到训练样本中含有的分类标准.全局分类代理模型主要用来筛选新产生的候选解,以得到一组有希望的候选解.此外,它采用Kriging作为局部回归代理模型,其选择种群中距离当前候选解最近的解作为训练样本,拟合训练样本与理想点的距离.然后,通过K-means方法把候选解划分为μ个簇,并从每个簇中选择一个用于真实评估的候选解.在实验部分,使用大规模3、4、6、8、10目标的DTLZ测试问题集,把DCDREA与目前流行的代理辅助进化算法进行对比实验.对于不同测试问题,每个算法独立运行20次,然后统计反向迭代距离(IGD)和算法运行时间.最后,使用秩和检验来分析结果.实验对比结果表明,DCDREA在大多数情况下表现更好.由此可见, DCDREA具有较好的有效性和可行性. 展开更多

关键词 代理模型 进化算法 超多目标优化 昂贵问题 随机森林 KRIGING

在线阅读 下载PDF 职称材料

惯性分组和重叠特征选择辅助的昂贵大规模优化算法 被引量：1

20

作者 邓传义 孙超利 +2 位作者 刘晓彤 张晓红 李春鹏 《郑州大学学报（工学版）》 CAS 北大核心 2023年第5期32-39,共8页

昂贵大规模优化问题存在着决策变量之间高度耦合、求解容易陷入局部最优以及目标评价昂贵等问题,导致在资源有限的情况下很难获得全局最优解。为此,基于合作型协同演化策略提出了一种惯性分组和重叠特征选择的方法来辅助求解昂贵大规模... 昂贵大规模优化问题存在着决策变量之间高度耦合、求解容易陷入局部最优以及目标评价昂贵等问题,导致在资源有限的情况下很难获得全局最优解。为此,基于合作型协同演化策略提出了一种惯性分组和重叠特征选择的方法来辅助求解昂贵大规模优化问题。首先,采用重叠特征选择技术将一个大规模优化问题分解为若干个低维的重叠子问题,并对每一个子问题进行独立的代理模型辅助的优化搜索。其次,将每个子问题搜索获得的潜力个体合成一个完整的解,对其使用昂贵目标函数进行评价。再次,算法还采用惯性分组技术控制优化过程中重新分组的频率以延长分组方案的开发周期,从而提升优化效果。最后,为了测试所提算法的性能,将其与求解昂贵大规模问题的3种优化算法在CEC2013的15个基准函数上获得的实验结果进行了对比。结果表明:所提算法在求解昂贵大规模优化问题上具有一定的竞争力,尤其适用于求解部分可分离、重叠或完全不可分离等问题。 展开更多

关键词 大规模优化 昂贵问题 重叠特征选择 惯性分组 代理模型 合作型协同演化

在线阅读 下载PDF 职称材料