×

基于极大极小设计的DIRECT型算法的一种新的划分方法。 (英语) Zbl 07795432号

摘要:本文提出了一种新的DIRECT型SCABALL(散射球)算法,该算法采用了新的划分方法来解决无导数优化问题。它不关注将感兴趣的区域划分为特定的几何形状,而是分散几个球来覆盖它。在SCABALL中,每次迭代都会选择几个潜在的最佳区域,并且它们依次被较小的球覆盖。这样,SCABALL确保了处处密集收敛。散射球的中心点和半径对SCABALL的效率有显著影响;因此,在初始阶段和连续阶段使用minimax设计以获得更好的覆盖。通过数值研究分析了SCABALL参数,包括球的数量和半径。我们提供了这些参数的经验选择,并发现球的半径可以缩小以平衡效率和全局收敛。数值实验表明,SCABALL算法具有局部偏差和鲁棒性。

MSC公司:

90 C56 无导数方法和使用广义导数的方法
PDF格式BibTeX公司 XML格式引用
全文: DOI程序

参考文献:

[1] 贝尔夫基拉,R。;张,L。;Barakat,G.,风力/光伏/柴油混合发电机组的最佳规模研究,太阳能,85,100-110(2011)·doi:10.1016/j.solener.2010.10.018
[2] Beliakov,G.,《Lipschitz函数的插值》,J.Compute。申请。数学。,196, 1, 20-44 (2006) ·Zbl 1098.65007号 ·doi:10.1016/j.cam.2005.08.011
[3] 贝哈吉,P。;卡瓦列里,D。;Bewley,TR,通过全局代理基于Delaunay的无导数优化,第一部分:线性约束,J.Glob。最佳。,66, 331-382 (2016) ·Zbl 1383.90045号 ·doi:10.1007/s10898-015-0384-2
[4] 卡佩拉里,M。;Verolme,E。;范德马雷尔,RP;克莱因,GAV;伊利沃思,GD;弗兰克斯,M。;Carollo,CM;de Zeeuw,PT,IC1459的反向旋转核心和黑洞质量,天体物理学。J.,578,787-805(2002)·doi:10.1086/342653
[5] 连接器,AR;Scheinberg,K。;Vicente,LN,《无导数优化导论》(2009),美国:MPS-SIAM,美国·Zbl 1163.49001号 ·数字对象标识代码:10.1137/1.9780898718768
[6] 科尔特斯,J。;Bullo,F.,通过分布式动力系统进行协调和几何优化,SIAM J.Control Optim。,44, 5, 1543-1574 (2005) ·Zbl 1108.37058号 ·doi:10.1137/S0363012903428652
[7] 科尔特斯,J。;Bullo,F.,通过分布式动力系统进行非光滑协调和几何优化,SIAM Rev.,51,1,163-189(2009)·Zbl 1165.37041号 ·doi:10.1137/080737551
[8] 埃克,JG;库普弗施米德,M。;劳伦斯,CE;AA·赖利;Scott,ACH,《非线性优化在分子生物学中的应用》,欧洲期刊Oper。研究,138,452-458(2002)·Zbl 1003.90043号 ·doi:10.1016/S0377-2217(01)00122-9
[9] 吉咪·加布隆斯基(JM Gablonsky);Kelley,CT,直接算法的一种局部偏置形式,J.Glob。最佳。,21, 1, 27-37 (2001) ·兹比尔1039.90049 ·doi:10.1023/A:1017930332101
[10] 加维亚诺,M。;克瓦索夫,DE;Lera博士。;谢尔盖耶夫,YD,《算法829:生成具有已知局部和全局极小值的测试函数类以进行全局优化的软件》,ACM-Trans。数学。软质。,29, 469-480 (2003) ·Zbl 1068.90600号 ·数字对象标识代码:10.1145/962437.962444
[11] Goldberg,DE,《搜索、优化和机器学习中的遗传算法》(1989),美国:Addison-Wesley Longman Publishing Co.,Inc,USA·Zbl 0721.68056号
[12] 约翰逊,ME;摩尔,LM;Ylvisaker,D.,Minimax和maximin距离设计,J.Stat.Plan。推理,26,2,131-148(1990)·doi:10.1016/0378-3758(90)90122-B
[13] Jones博士;加利福尼亚州佛罗伦萨;Pardalos,PM,DIRECT全局优化算法,Encycl。最佳。,431-440(2001),多德雷赫特:科鲁沃学院,多德雷赫特·doi:10.1007/0-306-48332-793
[14] Jones博士;Martins,JR,《直接算法:25年后》,J.Glob。最佳。,79, 521-566 (2021) ·Zbl 1466.90076号 ·doi:10.1007/s10898-020-00952-6
[15] Jones博士;珀顿,CD;Stuckman,BE,无利普希茨常数的利普希兹优化,J.Optim。理论应用。,79, 1, 157-181 (1993) ·Zbl 0796.49032号 ·doi:10.1007/BF00941892
[16] Kennedy,J.,Eberhart,R.:粒子群优化。摘自:ICNN’95国际神经网络会议论文集,IEEE,第4卷,第1942-1948页(1995)
[17] 柯克帕特里克,S。;盖拉特,CD;Vecchi,MP,《模拟退火优化》,《科学》,220,4598,671-680(1983)·兹比尔1225.90162 ·doi:10.1126/science.220.4598.671
[18] Kramer,O.,Ciaurri,D.E.,Koziel,S.:无导数优化。收录于:Koziel,S.,Yang,X.S.(编辑)《计算优化》,第61-83页。方法和算法,施普林格,柏林-海德堡,柏林,海德堡(2011)·Zbl 1218.90011号
[19] Lin,MH,《多磁盘数据库基于工作负载的优化数据分配方法》,data Knowl。工程,68,499-508(2009)·doi:10.1016/j.datak.2009.02.001
[20] 刘,HT;徐,SL;Wang,XF;吴,JN;Song,Y.,通过扩展DIRECT方案解决基于模拟的问题的全局优化算法,Eng.Optim。,47, 11, 1441-1458 (2015) ·doi:10.1080/0305215X.2014.971777
[21] 刘,Q。;曾杰。;Yang,G.,MrDIRECT:用于全局优化问题的多级鲁棒直接算法,J.Glob。最佳。,62, 205-227 (2015) ·Zbl 1326.90065号
[22] 刘,Q。;Yang,G。;张,Z。;Zeng,J.,提高直接全局优化算法的收敛速度,J.Glob。最佳。,67, 851-872 (2017) ·Zbl 1370.90193号 ·doi:10.1007/s10898-016-0447-z
[23] 刘齐,G。;Lucidi,S。;Piccialli,V.,一种基于直接的方法,利用局部最小化来解决大规模全局优化问题,Compute。最佳方案。申请。,45, 353-375 (2010) ·Zbl 1187.90275号 ·doi:10.1007/s10589-008-9217-2
[24] Mockus,J.,《利普希茨优化背景下的帕累托最优》,Informatica,22,521-536(2011)·Zbl 1272.90061 ·doi:10.15388/Informatica.2011.340
[25] 莫库斯,J。;保拉维奇乌斯,R。;Rusakevicius,D。;Šešok,D。;Zilinskas,J.,简化集Pareto-Lipschitzian优化在桁架优化中的应用,J.Glob。最佳。,67, 425-450 (2017) ·Zbl 1359.90131号 ·doi:10.1007/s10898-015-0364-6
[26] 穆勒,WG;阿特金森,A。;博加卡,B。;Zhigljavsky,A.,《咖啡屋设计》,Optimum Design 2000,241-248(2001),马萨诸塞州波士顿:美国斯普林格,马萨诸纳州波士顿·Zbl 1423.62082号 ·doi:10.1007/978-1-4757-3419-5_21
[27] Niederreiter,H.:随机数生成和准蒙特卡罗方法。美国工业和应用数学学会(1992年)·Zbl 0761.65002号
[28] Nogales-Gómez,A。;Pronzato,L。;Rendas,MJ,《基于覆盖和间距的增量填充设计:改进低差异序列》,J.Stat.理论实践。,15, 77 (2021) ·Zbl 1473.62276号 ·doi:10.1007/s42519-021-00210-2
[29] Paulavičius,R。;Zhi ilinskas,J.,无Lipschitz常数的单纯形Lipschit优化,J.Glob。最佳。,59, 1, 23-40 (2014) ·Zbl 1300.90031号 ·doi:10.1007/s10898-013-0089-3
[30] 保拉维奇乌斯,R。;谢尔盖耶夫,YD;德国科瓦索夫;Ju ilinskas,J.,用于昂贵全局优化的全局偏倚DISIMPL算法,J.Glob。最佳。,59, 2, 545-567 (2014) ·Zbl 1297.90130号 ·文件编号:10.1007/s10898-014-0180-4
[31] 保拉维奇乌斯,R。;Chiter,L。;基于矩形平分、对角线函数值和一组Lipschitz常数的全局优化,J.Glob。最佳。,71, 1, 5-20 (2018) ·Zbl 1402.90134号 ·doi:10.1007/s10898-016-0485-6
[32] 保拉维奇乌斯,R。;谢尔盖耶夫,YD;德国科瓦索夫;Ju ilinskas,J.,用于昂贵全局优化的带有局部加速器的全局偏倚BIRECT算法,专家系统。申请。,144, 113052 (2020) ·doi:10.1016/j.eswa.2019.113052
[33] Pronzato,L.,《Minimax和maximin填空设计:施工的一些特性和方法》,《法国社会统计杂志》,158,1,7-36(2017)·Zbl 1415.62059号
[34] 谢尔盖耶夫,YD;Kvasov,DE,基于有效对角线分区和一组Lipschitz常数的全局搜索,SIAM J.Optim。,16, 3, 910-937 (2006) ·Zbl 1097.65068号 ·数字对象标识代码:10.1137/040621132
[35] 谢尔盖耶夫,YD;Strongin,RG;Lera,D.,《利用空间填充曲线的全局优化导论》(2013),纽约:Springer,纽约·Zbl 1278.90005号 ·doi:10.1007/978-1-4614-8042-6
[36] 谢尔盖耶夫,YD;德国科瓦索夫;Mukhametzhanov,MS,关于自然启发元启发式在预算有限的昂贵全局优化中的效率,科学。代表8、1、453(2018年)·doi:10.1038/s41598-017-18940-4
[37] 尚,B。;Apley,DW,计算机实验的全序列空间填充设计算法,J.Qual。技术。,53, 173-196 (2020) ·doi:10.1080/00224065.2019.1705207
[38] Stripinis,L.,Paulavicius,R.:DIRECTLib——DIRECT类型方法的全局优化问题库。(2022). doi:10.5281/zenodo.5830927·Zbl 1475.90073号
[39] Stripinis,L。;Paulavičius,R.,《DIRECT框架中各种候选选择和划分技术的实证研究》,J.Glob。最佳方案。(2022) ·Zbl 07822728号 ·doi:10.1007/s10898-022-01185-5
[40] Stripinis,L。;Paulavičius,R.,DIRECTGO:用于无导数全局优化的新型DIRECT型matlab工具箱,ACM Trans。数学。柔和。(2022) ·doi:10.1145/3559755
[41] Stripinis,L。;保拉维奇乌斯,R。;ſilinskas,J.,DIRECT中选择潜在最优超矩形的改进方案,Optim。莱特。,12, 7, 1699-1712 (2018) ·Zbl 1407.90264号 ·doi:10.1007/s11590-017-1228-4
[42] Strongin,RG;谢尔盖耶夫,YD,《带非凸约束的全局优化:序列和并行算法,非凸优化及其应用》(2000),多德雷赫特:Kluwer学术出版社,多德雷赫特·Zbl 0987.90068号
[43] 蔡,JF;李,HL;胡,NZ,工程设计中符号离散规划问题的全局优化,工程优化。,34, 613-622 (2002) ·doi:10.1080/03052150215719
[44] 萧,Y。;阿拉斯加州梅尔;Wein,W。;沙姆斯,R。;卡杜里,S。;Drobny,D。;莫达特,M。;Reinertsen,I。;Rivaz,H。;查巴纳斯,M。;Fortin,M。;马查多一世。;欧,Y。;海因里希,国会议员;日本施纳贝尔;Zhong,X.,脑移位矫正MRI与超声配准方法的评估:2018年的挑战,IEEE Trans。医学影像学,3977-786(2020)·doi:10.1109/TMI.2019.2935060
[45] Zhigljavsky,AA;Noonan,J.,《高维立方体覆盖与量化》,SN Oper。Res.Forum(2020年)·Zbl 1453.90131号 ·doi:10.1007/s43069-020-0015-8
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。