-
题名基于参考向量关联估计的离线多目标优化算法
- 1
-
-
作者
李睿
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
《计算机与数字工程》
2024年第9期2577-2582,共6页
-
基金
国家自然科学基金面上项目(编号:61876123)
山西省平台基地和人才专项优秀人才科技创新项目(编号:201805D211028)
+1 种基金
山西省自然科学基金项目(编号:201901D111262,201901D111264)
多模态认知计算安徽省重点实验室(安徽大学)开放课题(编号:MMC202011)资助。
-
文摘
很多实际工程和科学问题都是计算费时的多目标优化问题,这类问题中每个候选解的评价往往都非常费时,因此仅允许使用少量真实评价。论文采用离线数据驱动的进化算法求解计算费时多目标优化问题,以期节省优化时间。论文通过训练代理模型来估计候选解的收敛性,采用最近邻样本估计候选解与参考向量的关联关系,减少了使用目标估值计算候选解与参考向量夹角大小所产生的误差累积。使用DTLZ测试集验证论文算法的有效性,论文算法与离线数据驱动的优化算法MS-RV以及三个经典在线数据驱动优化算法进行对比,实验结果表明论文提出的算法在保证性能的前提下,可以减少使用真实的评价次数。
-
关键词
计算费时的多目标优化问题
代理模型
离线数据驱动优化
最近邻估计
-
Keywords
computationally expensive multi-objective optimization problems
surrogate models
offline data-driven optimization
nearest neighbor estimation
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名全局与局部模型交替辅助的差分进化算法
被引量：5
- 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]
-
