×
Ju、兴隆;Jay M.罗森伯格。;维多利亚·C·P·陈。;刘峰

非凸双向交互截断线性多元自适应回归样条的混合整数二次规划全局优化。 （英语） Zbl 07810793号

信息科学。 597, 38-52 (2022).
摘要：多元自适应回归样条（MARS）已被广泛用作模拟复杂系统中输入和输出变量之间未知关系的替代函数。在复杂的MARS代理响应面上搜索最优解是各种应用中的重要任务。在本文中，我们提出了一种高效的方法来寻找包含双向交互项的MARS模型的全局最优值，双向交互项是截断线性单变量函数（TITL-MARS）的乘积。具体来说，利用由线性和二次结构组成的MARS模型，我们可以将TITL-MARS上的优化问题重新定义为混合整数二次规划问题（TITL-MAS-OPT），可以用更原则的方法进一步解决。为了说明我们提出的方法TITL-MARS-OPT的有效性，我们提出了一种遗传算法和梯度下降算法来求解原始版本的TITL-MAR，并将该方法的性能与基准算法进行了比较。对具有不同复杂程度的一系列示例进行了数值实验，包括6个现有模型和在风电场优化中的实际应用。我们提出的方法可以成功且高效地找到全局最优解，而比较算法无法找到全局最优解决方案。最后，在GitHub上提供了TITL-MARS和TITL-MAS-OPT的Python代码(https://github.com/Ju兴隆/TITL-MARS-OPT).

MSC公司：

90C26型 非凸规划，全局优化
90立方厘米10 整数编程
90C20个 二次规划

关键词：

遗传算法;全局优化;混合整数二次规划;多元自适应回归样条;梯度下降算法

软件：

CPLEX公司;掌中宽带;基因科普;GloMIQO公司
PDF格式BibTeX公司 XML格式引用
\textit{X.Ju}等人，《信息科学》。597、38-52（2022；Zbl 07810793）
全文： DOI程序

参考文献：

[1] 鲍威尔，W.B.，《近似动态规划：解决维数的诅咒》，第703卷（2007），约翰·威利父子出版社·Zbl 1156.90021号
[2] 吴昌华。；Ho，J.-M。；Lee，D.-T.，支持向量回归的旅行时间预测，IEEE Trans。智力。运输。系统。，5, 4, 276-281 (2004)
[3] Lv，Y。；Duan，Y。；Kang，W。；李，Z。；Wang，F.-Y.，《大数据交通流预测：深度学习方法》，IEEE Trans。智力。运输。系统。，16, 2, 865-873 (2014)
[4] Ohlmacher，G.C。；Davis，J.C.，使用多元logistic回归和GIS技术预测美国堪萨斯州东北部的滑坡灾害，Eng.Geol。，69, 3-4, 331-343 (2003)
[5] Leathwick，J。；罗，D。；J·理查森。；Elith，J。；Hastie，T.，使用多元自适应回归样条预测新西兰淡水河产卵鱼类Freshw的分布。《生物学》，50，12，2034-2052（2005）
[6] Friedman，J.H.，多元自适应回归样条，《美国统计年鉴》，1-67（1991）·Zbl 0765.62064号
[7] Kisi，O。；Parmar，K.S.，最小二乘支持向量机和多元自适应回归样条模型在河流水污染长期预测中的应用，J.Hydrol。，534, 104-112 (2016)
[8] 罗伊，S.S。；罗伊·R。；Balas，V.E.，使用多元自适应回归样条估计建筑物的热负荷，极限学习机，MARS和ELM的混合模型，更新。维持。能源评论，82，4256-4268（2018）
[9] Bhatt，A.H。；Karanjekar，R.V。；阿尔都奇，S。；萨特勒，M.L。；侯赛因，M.S。；Chen，V.P.，根据降雨量、环境温度和废物成分估算垃圾渗滤液BOD和COD：MARS统计方法的探索，环境。Technol公司。因诺夫。，2017年1月8日至16日
[10] Mukhopadhyay，T.，基于多元自适应回归样条的腹板-核心组合梁损伤识别方法，包括噪声影响，J.Sandwich Struct。材料。，20, 7, 885-903 (2018)
[11] Tiryaki，S。；Tan，H。；巴达克，S。；Kankal，M。；Nacar，S。；Peker，H.，《多元自适应回归样条的性能评估、基于教学学习的优化和预测浸渍木材机械性能的传统回归技术》，《欧洲木材生产杂志》，77，4，645-659（2019）
[12] 戴伊·P。；Das，A.K.，多元自适应回归样条辅助目标函数在气缸周围传热速率优化中的应用，Nucl。工程技术。，48, 6, 1315-1320 (2016)
[13] 霍斯特，R。；帕尔达洛斯，P.M。；Van Thoai，N.，《全球优化导论》（2000），施普林格科学与商业媒体·Zbl 0966.90073号
[14] López，J。；马尔多纳多，S。；Carrasco，M.，通过DC编程实现稳健特征选择和SVM分类的双重正则化方法，Inf.Sci。，429, 377-389 (2018) ·Zbl 1436.68310号
[15] Yang，J.等人。；Ju，X。；刘，F。；阿桑，O。；Church，T.S。；Smith，J.O.，《利用机器学习模型预测美国工作人口中多种慢性疾病的风险》，IEEE开放式J.工程医学生物学。，2, 291-298 (2021)
[16] O.Ronneberger，P.Fischer，T.Brox，《U-net：生物医学图像分割的卷积网络》，收录于：《医学图像计算和计算机辅助干预国际会议》，施普林格，234-2412015年。
[17] Rardin，R.L。；Uzsoy，R.，启发式优化算法的实验评估：教程，启发式，7，3，261-304（2001）·Zbl 0972.68634号
[18] Ju，X。；Liu，F.，基于信息引导开发的自信息遗传算法的风电场布局优化，应用。能源，248429-445（2019）
[19] 马，H。；魏，H。；田，Y。；Cheng，R。；Zhang，X.，复杂约束多目标优化的多阶段进化算法，Inf.Sci。，560, 68-91 (2021) ·Zbl 1484.90141号
[20] Hanh，P.T.H。；P.D.Thanh。；Binh，H.T.T.，聚类最短路径树问题的进化算法和多因素进化算法，信息科学。，553, 280-304 (2021) ·Zbl 1483.68510号
[21] Abo Hammour，Z。；Alsmadi，O。；莫马尼，S。；Abu Arqub，O.，线性动力系统预测的遗传算法方法，数学。问题。工程（2013）
[22] 达斯，P。；Das，A.K。；Nayak，J。；佩卢西，D。；丁伟，基于双目标粒子群优化的犯罪预测增量分类器，信息科学。，562, 279-303 (2021)
[23] Ewees，A.A。；Elaziz，医学硕士。；Houssein，E.H.，使用基于对立学习的改进蚱蜢优化算法，专家系统。申请。，112, 156-172 (2018)
[24] 贝卡索鲁。；Ozsoydan，F.B.，通过加权叠加吸引算法在二进制搜索空间中进行动态优化，专家系统。申请。，96, 157-174 (2018)
[25] Nelder，J.A。；Mead，R.，函数最小化的单纯形方法，计算。J.，7，4，308-313（1965）·兹比尔0229.65053
[26] S.Ruder，梯度下降优化算法概述，arXiv预印arXiv:1609.04747。
[27] 马丁内斯，N。；阿纳希德，H。；罗森伯格，J.M。；马丁内斯（D.Martinez）。；陈，V.C。；王建平，非凸分段线性回归样条的全局优化，全局优化。，68,3563-586（2017）·Zbl 1377.90068号
[28] Kutner，M.H。；Nachtsheim，C.J。；Neter，J。；Li，W.，《应用线性统计模型》，第5卷（2005年），McGraw-Hill-Irwin-Boston
[29] C.Bliek1ú，P.Bonami，A.Lodi，用IBM-CPLEX解决混合整数二次规划问题：进度报告，载于：第二十六届RAMP研讨会论文集，2014年16月17日。
[30] 米塞纳，R。；Floudas，C.A.，GloMIQO:全局混合整数二次优化器，J.Global Optim。，57, 1, 3-50 (2013) ·Zbl 1272.90034号
[31] 米塞纳，R。；Floudas，C.A.，通过分段线性和边凹松弛对混合整数二次约束二次规划（MIQCQP）进行全局优化，数学。程序。，136, 1, 155-182 (2012) ·兹比尔1257.90079
[32] Ju，X。；陈，V.C。；罗森伯格，J.M。；Liu，F.，使用爬山方法对多元自适应回归样条进行快速节点优化，专家系统。申请。，171，第114565条pp.（2021）
[33] Ju，X。；陈，V.C。；罗森伯格，J.M。；Liu，F.，多元自适应回归样条的节点优化，摘自：IIE年度会议，（工业和系统工程师学会（IISE）会议记录（2019）），118-123
[34] I.IBM，IBM ILOG CPLEX optimization studio CPLEX用户手册，2021年。
[35] Grefenstette，J.J.，遗传算法控制参数优化，IEEE Trans。系统。，人类网络。，16, 1, 122-128 (1986)
[36] Z.Michalewicz，进化策略和其他方法，摘自：遗传算法+数据结构=进化程序，Springer，159-1771996·Zbl 0841.68047号
[37] 宫田，S。；Shen，X.，《自由节点样条和自适应节点选择》，日本统计学会期刊，35，2，303-324（2005）
[38] B.Ariyajunya，高维多共线状态空间的自适应动态规划。
[39] 莫塞蒂，G。；Poloni，C。；Diviaco，B.，《利用遗传算法优化大型风电场中的风力涡轮机定位》，J.wind Eng.Ind.Aerodyn。，51, 1, 105-116 (1994)
[40] 刘，F。；Ju，X。；Wang，N。；王，L。；Lee，W.-J.，风力发电场宏观选址优化与遗传算法中富有洞察力的双标准识别和重新定位机制，Energy Convers。管理。，217，第112964条pp.（2020）
[41] 北卡罗来纳州大都会。；Ulam，S.，《蒙特卡罗方法》，《美国统计协会期刊》，44，247，335-341（1949）·Zbl 0033.28807号
[42] Ju，X。；刘，F。；王，L。；Lee，W.-J.，基于支持向量回归引导遗传算法的风电场布局优化，考虑土地所有者的参与，Energy Converse。管理。，196, 1267-1281 (2019)
[43] N.O.Jensen，关于风力发电机相互作用的注释。
[44] Abo-Hammour，Z。；阿奎布，O.A。；Alsmadi，O。；莫马尼，S。；Alsaedi，A.，求解奇异边值问题系统的优化算法，应用。数学。通知。科学。，8, 6, 2809 (2014)
[45] D’Angelo，G。；Palmieri，F.，GGA：一种具有基于梯度的局部搜索的改进遗传算法，用于解决约束优化问题，Inform。科学。，547, 136-162 (2021) ·Zbl 1475.68477号
[46] 阿奎布，O.A。；Abo-Hammour，Z.，使用连续遗传算法求解二阶边值问题系统，Inform。科学。，279, 396-415 (2014) ·Zbl 1354.65155号
[47] 初级文学学士。；达席尔瓦，N.F.F。；罗莎，T.C。；Junior，C.G.，基因编程情绪分析，信息科学。，562, 116-135 (2021)
[48] Bai，F。；Ju，X。；王，S。；周，W。；Liu，F.，使用自适应进化算法和蒙特卡罗树搜索强化学习进行风电场布局优化，能源转化。管理。，115047 (2022)
[49] 周，Y。；张，W。；Kang，J。；张，X。；Wang，X.，用于监督特征选择的特定问题非支配排序遗传算法，信息科学。，547, 841-859 (2021) ·Zbl 1475.62202号
[50] 博伊德，S。；Vandenberghe，L.，《凸优化》（2004），剑桥大学出版社·Zbl 1058.90049号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。