×

味噌

swMATH ID: 20541
软件作者: 朱利安·米勒
描述: MISO:混合整数代理优化框架。我们介绍了混合整数代理优化框架MISO。MISO旨在解决具有混合整数变量的计算成本高昂的黑箱优化问题。这类优化问题在许多应用中都会遇到,为了获得目标函数值,必须运行耗时的仿真代码。示例包括优化可靠性设计和结构优化。单目标功能评估可能需要几分钟到几小时甚至几天的时间。因此,在优化过程中只允许很少的目标函数评估。然而,这类优化问题的算法开发在文献中很少涉及。因为目标函数是黑盒函数,所以导数是不可用的,并且在数值上近似导数需要大量的函数求值。因此,我们使用计算成本较低的代理模型来近似昂贵的目标函数,并决定在可变域中的哪些点评估昂贵的目标功能。我们开发了一个通用的代理模型框架,并展示了如何针对混合整数变量修改用于连续优化的众所周知的代理模型算法的采样策略。我们引入了两种新的算法,将不同的采样策略和局部搜索结合起来,以获得高精度的解。我们将数值实验中的MISO与遗传算法NOMAD 3.6.2版和SO-MI进行了比较。结果表明,MISO通常比NOMAD和遗传算法更有效,可以在有限的允许评估预算内找到改进的解决方案。MISO的性能取决于所选择的采样策略。将坐标摄动搜索与目标值策略和局部搜索相结合的MISO算法在所有算法中表现最佳。
主页: https://link.springer.com/article/10.1007/s11081-015-9281-2
关键词: 混合整数优化;代理模型;黑盒优化;径向基函数;无衍生物;全局优化
相关软件: NOMAD公司;EGO公司;BFO公司;DFL公司;SO-I公司;MLMSRBF公司;RBFOpt公司;DFLBOX公司;DFLGEN公司;毒液;DFN公司;OrthoMADS公司;BOBYQA公司;多最小值;BARON公司;MATSuMoTo公司;SNOBFIT公司;轨道;GAMS游戏;github
引用于: 19文件

按年份列出的引文