-
题名自适应模型选用辅助的多种群进化算法
- 1
-
-
作者
张国晨
崔钧皓
王浩
孙超利
李春鹏
-
机构
太原科技大学计算机科学与技术学院
山西吉成科技股份有限公司
-
出处
《小型微型计算机系统》
CSCD
北大核心
2024年第5期1083-1088,共6页
-
基金
国家自然科学基金面上项目(61876123)资助
山西省重点研发计划项目(202102020101002)资助
+2 种基金
山西省自然科学基金项目(202203021211194)资助
太原科技大学研究生创新项目(BY2022016)资助
太原科技大学研究生联合培养示范基地(JD202206)资助。
-
文摘
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.
-
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
-
Keywords
surrogate-assisted evolutionary algorithms
expensive optimization problems
adaptive model selection strategy
multiple population search strategy
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名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
- 2
-
-
作者
邓传义
孙超利
刘晓彤
张晓红
李春鹏
-
机构
太原科技大学应用科学学院
太原科技大学计算机科学与技术学院
太原科技大学经济与管理学院
山西吉成科技股份有限公司
-
出处
《郑州大学学报（工学版）》
CAS
北大核心
2023年第5期32-39,共8页
-
基金
国家自然科学基金资助项目(61876123)
山西省重点研发计划项目(202102020101002)
山西省自然科学基金资助项目(202203021211194)
-
文摘
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。
-
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
-
Keywords
large-scale global optimization
expensive problems
overlapping feature selection
inertial grouping
surrogate models
cooperative coevolutionary
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP301.6
[自动化与计算机技术—计算机系统结构]
-
