| 引用本文: | 陈志旺,白锌,杨七,黄兴旺,李国强.求解昂贵区间多目标优化问题的高斯代理模型[J] ●●●●。控制理论与应用,2016,33(10):1389~1398.[点击复制] |
| 陈志旺、白欣、杨琪、黄兴旺、李国强。昂贵区间多目标优化问题的高斯代理模型[J]。控制理论与技术，2016,33（10）：1389~1398。[点击复制] |
|
| 求解昂贵区间多目标优化问题的高斯代理模型 |
| 昂贵区间多目标优化问题的高斯代理模型 |
| 摘要点击 3396 全文点击 1930 投稿时间：2015-05-13 修订日期：2016-08-10 |
| 查看全文 查看/发表评论 下载PDF格式阅读器 |
| 内政部编号 10.7641/CTA.2016.50398 |
| 2016,33(10):1389-1398 |
| 中文关键词 多目标优化 区间规划 第2代非支配排序进化算法（NSGA–II） 高斯过程 多属性决策 代理模型 |
| 英文关键词 多目标优化 区间规划 非支配排序遗传算法II（NSGA-II） 高斯过程 多属性决策 代理模式 |
| 基金项目 国家自然科学基金(61403331, 61573305), 河北省自然科学基金青年基金（F2014203099），燕山大学青年教师自主研究计划课题（13LGA006）对。 |
|
| 中文摘要 |
| 本文将数据挖掘(高斯过程回归建模)和智能进化算法（GA、NSGA–II）进行结合, 用于解决优化函数未知的昂贵区间多目标优化问题. 首先利用高斯过程对采用中点和不确定度表示的未知目标函数和约束函数进行建模, 由于相关性和准确性是区间函数模型的两个必备条件, 故提出一种融合多属性决策的双层种群筛选策略, 并将其嵌入到遗传算法求解高斯模型参数的过程中, 第1层根据相关性属性排除候选解集中部分劣解, 第2层根据准确性属性排除候选解集中其余超出种群规模的劣解, 两属性的权重系数决定两层排除劣解的比例. 然后将所建模型作为优化对象的代理模型引导区间NSGA–二算法优化求解, 从而获得所需的帕雷托前沿. |
| 英文摘要 |
| 本文采用数据挖掘（高斯过程回归建模）和智能进化算法（GA，结合NSGA–II）解决具有未知优化的昂贵区间多目标优化问题功能。首先，使用高斯过程（GP）对目标函数和约束函数进行建模中点和不确定性。由于相关性和准确性是区间函数模型的两个基本因素提出了基于多属性决策的两步筛选策略，并将其嵌入以识别GP模型的参数。在第一步中，候选人的劣质解决方案根据相关性排除解决方案。在第二步中，剩余的劣解超出了人口数量根据准确性排除在外。在这两个步骤中排除的劣质解决方案的比例由两个因素的权重系数。然后，将为优化对象构建的GP模型用作NSGA-II优化算法，从而可以找到Pareto前沿。 |