MLMSRBF

一种求解昂贵函数全局优化的随机径向基函数方法在导数不可用的情况下,我们提出了一种新的计算代价高的多峰函数全局优化框架。提出的随机响应面(SRS)方法迭代地利用响应面模型来逼近代价函数,并从一组随机生成的点(称为候选点)中识别出一个有希望进行函数评估的点。假设某些温和的技术条件,SRS在概率意义下收敛到全局最小值。我们还提出了度量SRS(Metric SRS,MSRS),它是SRS的一种特例,根据响应面模型得到的函数估计值和与先前评估点的最小距离两个准则,选择每次迭代中的函数评估点作为最佳候选点。我们开发了MSRS的全局优化版本和多阶段局部优化版本。在数值实验中,我们将径向基函数(RBF)模型用于MSRS,并将得到的算法(全局MSRBF和多段局部MSRBF)与6种可选的全局优化方法(包括基于多段导数的局部优化方法)进行了比较。在17个多模态试验问题和12维地下水生物修复应用中,比较了所有算法的多次试验。结果表明,对于大多数高维问题,包括地下水问题,多段局部MSRBF方法效果最好。对于大多数低维问题,它至少和其他算法一样好。在大多数低维试验问题和地下水问题上,全球MSRBF网络与其他备选方案相比具有竞争力。这些结果表明,MSRBF是一种很有前途的代价函数全局优化方法。


zbMATH中的参考文献(参考文献41条)

显示第1到第20个结果,共41个。
按年份排序(引用)
  1. 穆勒,朱利安;长河公园;萨胡,芦苇;瓦拉达拉詹、查鲁莱卡;阿罗拉,巴夫娜;费比申科,鲍里斯;Agarwal,Deborah:地下水预测的深层神经网络替代优化(2021)
  2. 王南哲;常海斌;张东晓:用理论指导的神经网络进行地下动态流动不确定性的有效量化(2021)
  3. 陈雷兵;王元;Wu,C.F.Jeff:通过不确定性量化,使用基于自适应RBF的代理模型寻找昂贵函数的最优点(2020)
  4. 高、汉;朱学友;王建勋:三维血流动力学模拟中不确定性传播的双保真代理建模方法(2020)
  5. 加西亚-加西亚,何塞·卡洛斯;加西亚-Ródenas,里卡多;Codina,Esteve:计算代价高昂的黑盒问题的基于代理的协作优化框架(2020)
  6. 何新宇;雷耶斯,克里斯托弗G。;Powell,Warren B.:连续设计中局部非线性参数模型的最优学习(2020)
  7. 麦克·多,M.Joseane F.G。;卡拉斯,伊丽莎白W。;科斯塔,M.费尔南达·P。;Rocha,Ana Maria A.C.:基于滤波器的全局优化随机算法(2020)
  8. 太阳,鲁宁;汉、高;潘少武;王建勋:基于物理约束的无模拟数据的流体流动模拟(2020)
  9. 穆罕默德·艾哈迈德;Esmaeilbeigi,莫森;艾哈迈德卡曼迪;Yaghoobi,Farajollah Mohammadi:基于点排序和MLE技术的改进混合轨道算法(2019)
  10. 科尔特斯,安德里亚F。;詹农,吉纳;Congedo,Pietro M.:具有自适应细化的Kriging稀疏多项式维分解代理模型(2019)
  11. 何嘉川;马蒂斯,史蒂文A。;巴特勒,特洛伊D。;Dawson,Clint N.:使用支持向量机进行预测流量和运输建模的数据驱动不确定性量化(2019年)
  12. 拉森,杰弗里;梅尼克尔,马特;Wild,Stefan M.:无导数优化方法(2019)
  13. 穆勒,朱利安;戴,马库斯:具有隐藏约束的计算代价昂贵的黑盒问题的替代优化(2019)
  14. 科斯塔,阿尔伯托;Nannicini,Giacomo:RBFOpt:一个用于黑盒优化的开源库,具有昂贵的函数评估(2018)
  15. 周哲;Bai,Fusheng:基于径向基函数插值的高成本黑箱全局优化自适应框架(2018)
  16. 周哲;Bai,Fu Sheng:一种用于代价高昂的黑盒优化的随机自适应径向基函数算法(2018)
  17. 瓦希德,贝兰万德;兔子,沃伦;Lucet,Yves:优化算法比较的最佳实践(2017)
  18. 布考瓦拉,法尼;法鲁克哈桑,医学硕士。;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)
  19. 科维林,塞缪尔;Vandewalle,Stefan:基于低秩张量近似的模糊输入函数的输出计算(2017)
  20. 戴安布罗西奥,克劳迪娅;纳尼基尼,贾科莫;Sartor,Giorgio:MILP模型用于选择一小组均匀分布点(2017)

更多出版物请访问:http://people.sju.edu/~rregis/pages/publications.html