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。本文比较了17种多维地下水生物修复方法和17种多模态试验方法在地下水局部修复中的应用。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参考文献(38篇文章引用)

显示结果1到20,共38个。
按年份排序(引用)
  1. 陈雷兵;王,袁;吴,C.F.杰夫:基于不确定性量化的自适应RBF代理模型寻找昂贵函数的最优点(2020)
  2. 高,韩;朱学宇;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)
  3. 是的,非线性学习模型;Warren-Towell,2020;局部最优模型
  4. Macèdo,M.Joseane F.G.;Karas,Elizabeth W.;Costa,M.Fernanda P.;Rocha,Ana Maria A A.C.:基于滤波器的全局优化随机算法(2020)
  5. 孙鲁宁,高,韩,潘,邵武,王建勋:基于物理约束的无模拟数据深度学习的流体流动替代建模(2020)
  6. Mohammad Ahmaward;Esmaeilbeigi,Mohsen;Kamandi,Ahmad;Yaghoobi,Farajollah Mohammadi:基于点排序和MLE技术的改进混合轨道算法(2019)
  7. Cortesi,Andrea F.;Jannoun,Ghina;Congedo,Pietro M.:具有自适应优化的Kriging稀疏多项式维分解代理模型(2019年)
  8. He,Jiachuan;Mattis,Steven A.;Butler,Troy 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)
  9. Larson,Jeffrey;Menickelly,Matt;Wild,Stefan M.:无导数优化方法(2019年)
  10. Müller,Juliane;Day,Marcus:具有隐藏约束的计算代价高的黑盒问题的代理优化(2019)
  11. Costa,Alberto;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)
  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. Beiranvand,Vahid;Hare,Warren;Lucet,Yves:比较优化算法的最佳实践(2017)
  15. 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)
  16. Corveleyn,Samuel;Vandewalle,Stefan:基于低秩张量近似的模糊输入函数的输出计算(2017)
  17. D'Ambrosio,Claudia;Nannicini,Giacomo;Sartor,Giorgio:MILP模型,用于选择一小组均匀分布点(2017年)
  18. Martinez,Nadia;Anahideh,Hadis;Rosenberger,Jay M.;Martinez,Diana;Chen,Victoria C.P.;Wang,Bo Ping:非凸分段线性回归样条的全局优化(2017)
  19. Müller,Juliane:SOCEMO:计算代价高的多目标问题的替代优化(2017)
  20. Müller,Juliane;Woodbury,Joshua D.:GOSAC:约束替代近似的全局优化(2017)

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