三位一体

TRIOPT:一种基于三角剖分的全局优化划分算法。提出了一种基于三角剖分的低维有界黑盒全局优化算法TRIOPT。该方法首先在可行域中对给定的样本集进行Delaunay三角剖分,然后对重新划分得到的简单(分区)进行评估。利用非线性变换函数将每个划分顶点处的函数值映射到零一区间,并计算其聚合熵。基于这个熵,可以根据不同的三角剖分策略对具有全局最优解的分区进行重新划分,形成新的分区。就每个新分区所需的新函数求值数量而言,这些策略是有效的。本文提出的搜索方案的一个新颖之处在于,一旦一个分区缩小到一个较小的大小,它的顶点就从可用的样本集中被消除。这将更改有关最佳解决方案的全局信息,并触发对已转换值的重新计算。因此,修正的熵改变了搜索的方向到新的领域。后一种方案产生了一种基于熵割的动态并行搜索策略。该树根据搜索状态采用灵活的宽度。实验结果表明,TRIOPTs的性能是兼容的,并且通常优于一种著名的响应面方法和另外两种用于全局优化的有效黑盒划分方法。