轨道

基于径向信赖基的轨道优化方法。我们提出了一个新的无导数算法轨道,无约束局部优化计算昂贵的函数。采用了基于插值径向基函数(RBF)模型的信赖域框架。与现有技术所考虑的多项式模型相比,考虑的RBF模型通常允许轨道使用较少的函数估计来插值非线性函数。通过确保插值点的子集足以用于线性插值来获得近似保证。条件正定性的RBF网络的性质为增加附加点提供了一种自然的方法。我们给出了测试问题的数值结果,以激励在只有相对较少的昂贵的函数评估可用时轨道的使用。在两个非常不同的应用问题上的结果,流域模型的校准和基于PDE的生物修复方案的优化,也鼓励和支持了ORBIT对于黑盒函数的有效性,对于黑盒函数,没有特殊的数学结构是已知或可用的。


zbMATH中的参考文献(参考 32篇文章 32篇文章

显示第1到第20个结果,共32个。
按年份排序(引用)
  1. Alimo,Ryan;Beyhaghi,Pooriya;Bewley,Thomas R.:通过全局代理基于Delaunay的无导数优化。三: 非凸约束(2020)
  2. Menickelly,Matt;Wild,Stefan M.:基于外部近似的无导数鲁棒优化(2020)
  3. Berahas,Albert S.;Byrd,Richard H.;Nocedal,Jorge:通过拟牛顿方法对噪声函数进行无导数优化(2019年)
  4. Cartis,Coralia;Roberts,Lindon:无导数高斯-牛顿法(2019)
  5. Larson,Jeffrey;Menickelly,Matt;Wild,Stefan M.:无导数优化方法(2019年)
  6. Sanguinetti,Guido(编辑);Huynh Thu,V–n Anh(编辑):基因调控网络。方案和方法(2019)
  7. 查尔斯·奥德特;迈克尔·科科拉拉斯;勒迪加贝尔,塞巴斯蒂安;塔尔冈,巴斯蒂安:在网状自适应直接搜索中管理代理集合的基于顺序的错误(2018)
  8. Elisov,L.N.;Gorbachenko,V.I.;Zhukov,M.V.:用信赖域方法学习径向基函数网络(2018)
  9. 何新宇;胡,扬州;鲍威尔,沃伦B.:多维连续空间上非线性参数信念模型的最优学习(2018)
  10. Nedělková,Zuzana;Lindroth,Peter;Patriksson,Michael;Strömberg,Ann Brith:利用决策空间分区有效解决基于模拟的优化问题的许多实例(2018)
  11. Nuñez,Luigi;Regis,Rommel G.;Varela,Kayla:径向基函数代理辅助的约束全局优化加速随机搜索(2018)
  12. Zhou,Zhe;Bai,Fusheng:基于径向基函数插值的代价高昂的黑盒全局优化自适应框架(2018)
  13. 周哲;白福生:一种求解代价黑箱优化的随机自适应径向基函数算法(2018)
  14. Boukouvala,Fani;Faruque Hasan,M.M.;Floudas,Christodoulos A.:一般约束灰箱模型的全局优化:用于变压吸附的约束偏微分方程的新方法及其应用(2017)
  15. C、 Cartis;L.Roberts:无导数高斯-牛顿法(2017)阿尔十四
  16. 方晓伟;倪,秦:基于框架的径向基函数插值共轭梯度直接搜索法(2017)
  17. Müller,Juliane;Woodbury,Joshua D.:GOSAC:约束替代近似的全局优化(2017)
  18. Akhtar,Taimoor;Shoemaker,Christine A.:具有RBF代理和多规则选择的计算开销多模态函数的多目标优化(2016)
  19. Larson,Jeffrey;Wild,Stefan M.:用于寻找多个局部最小值的批处理无导数算法(2016)
  20. Müller,Juliane:MISO:混合整数代理优化框架(2016)