埃里克·布拉德福德;阿图尔·施魏特曼（Artur M.Schweidtmann）。;阿列克谢·拉普金 采用高斯过程、谱采样和遗传算法的高效多目标优化。 （英语） 兹比尔1406.90095 J.全球。优化。 71，编号2407-438（2018）; 更正同上71，No.2，439-440（2018）。 本文将著名的Thompson抽样方法推广到连续多目标优化中的Pareto集近似，只需少量函数求值。在该算法中，每个目标函数都由一个独立的高斯过程模型建模，该模型允许通过选择协方差函数（例如连续性或平滑性）来结合目标函数的先验知识。利用最大似然估计的可用数据调整参数。给定拟合的高斯过程模型，使用基于汤普森抽样方法的规则选择下一个点来评估目标向量。第7节说明了第6节中提出的算法的具体实现，并将其应用于一个简单的双目标问题。这篇论文很难阅读，因为许多数字移到了错误的位置，标题也不正确。已在同一期刊上发表了更正，请参阅[E.布拉德福德等，J.Glob。最佳方案。71，第2期，439–440页（2018年；Zbl 1471.90115号)].审核人：米盖尔·安吉尔·戈伯纳（阿利坎特） 引用于1审查引用于7文件 MSC公司： 90C26型 非凸规划，全局优化 90C29型 多目标和目标规划 60G15年 高斯过程 90 C59 数学规划中的近似方法和启发式 关键词：全局优化;超体积;克里金;昂贵的评估功能;响应面;贝叶斯优化 引文：Zbl 1471.90115号 软件：ParEGO公司;直接;通用公共管理语言;SUMO公司;ParEGO_特征;TS-EMO公司;超大容量指示器;NGPM公司;Pareto集;自我;github;Matlab公司 PDF格式BibTeX公司 XML格式引用 \textit{E.Bradford}等人，J.Glob。最佳方案。71，编号2407-438（2018；兹bl 1406.90095） 全文： 内政部 链接 参考文献： [1] 法玛尼，R；萨维奇，D；Walters，G，配水管网设计中的进化多目标优化，工程优化。，37, 167-183, (2005) ·doi:10.1080/03052150512331303436 [2] 多目标问题中的帕累托最优，应用。数学。最佳。，4, 41-59, (1977) ·兹比尔0346.90055 ·doi:10.1007/BF0142131 [3] Zitzler，E；Thiele，L，《多目标进化算法：比较案例研究和强度Pareto方法》，IEEE Trans。进化。计算。，3, 257-271, (1999) ·doi:10.1109/4235.797969 [4] Ehrgott，M，多目标优化，AI Mag.，29，47，（2009）·Zbl 1191.90054号 ·doi:10.1609/aimag.v29i4.2198 [5] Hwang，C-R，模拟退火：理论与应用，应用学报。数学。，12, 108-111, (1988) [6] Davis，L.：遗传算法手册。Van Nostrand Reinhold，纽约（1991） [7] 肯尼迪，J；Sammut，C（编辑）；Webb，GI（编辑），粒子群优化，760-766，（2011），柏林 [8] 麻袋，J；Welch，WJ；TJ米切尔；Wynn，HP，计算机实验设计与分析，统计科学。，4, 409-423, (1989) ·Zbl 0955.62619号 ·doi:10.1214/ss/1177012413 [9] 辛普森，TW；AJ·布克；Ghosh，D；吉安达，AA；科赫，PN；Yang，R-J，《多学科分析和优化中的近似方法：小组讨论》，结构。多学科。最佳。，27, 302-313, (2004) ·doi:10.1007/s00158-004-0389-9 [10] McKay，医学博士；RJ贝克曼；Conover，WJ，《计算机代码输出分析中选择输入变量值的三种方法的比较》，《技术计量学》，42，55-61，（2000）·Zbl 0415.62011号 ·网址：10.1080/00401706.2000.10485979 [11] 沙赫里亚里，B；斯威斯基，K；王，Z；亚当斯，RP；Freitas，N，《让人类走出循环：贝叶斯优化综述》，Proc。IEEE，104，148-175，（2016）·doi:10.1010/JPROC.2015.2494218 [12] Jones博士；Schonlau，M；Welch，WJ，《昂贵黑盒函数的高效全局优化》，J.Glob。最佳。，13, 455-492, (1998) ·Zbl 0917.90270号 ·doi:10.1023/A：1008306431147 [13] 莫库斯，J.：关于寻找极值的贝叶斯方法。摘自：优化技术IFIP技术会议，第400-404页。斯普林格（1975）·Zbl 0311.90042号 [14] 阿尼夫斯基-沃克，：基于克里格优化的相对预期改进。arXiv预印本arXiv:0908.3321（2009） [15] Jones，DR，《基于响应曲面的全局优化方法分类》，J.Glob。最佳。，21, 345-383, (2001) ·Zbl 1172.90492号 ·doi:10.1023/A:1012771025575 [16] 福雷斯特，AI；AJ Keane，《基于代理优化的最新进展》，Prog。Aerosp.航空公司。科学。，45, 50-79, (2009) ·doi:10.1016/j.paeroci.2008.11.001 [17] Voutchkov，I.，Keane，A.：使用代理的多目标优化。收录于：Tenne，Y.，Goh，C.K.（编辑）《优化中的计算智能》，第155-175页。柏林施普林格出版社（2010年）·Zbl 1200.90151号 [18] Deb，K；普拉塔普，A；阿加瓦尔，S；Meyarivan，T，一种快速的精英多目标遗传算法：NSGA-II，IEEE Trans。进化。计算。，6, 182-197, (2002) ·数字对象标识代码：10.1109/4235.996017 [19] Knowles，J，Parego：一种用于昂贵多目标优化问题的在线横向近似混合算法，IEEE Trans。进化。计算。，10, 50-66, (2006) ·doi:10.1109/TEVC.2005.851274 [20] Ponweiser，W.，Wagner，T.，Biermann，D.，Vincze，M.：使用模型辅助的S度量选择对有限评估预算进行多目标优化。摘自：国际自然并行问题解决会议，第784-794页。施普林格（2008） [21] 库什纳，HJ，在噪声存在下定位任意多峰曲线最大点的新方法，J.基础工程，86，97-106，（1964）·数字对象标识代码：10.1115/1.3653121 [22] Keane，AJ，多目标设计优化中使用的统计改进标准，AIAA J.，44，879-891，（2006）·数字对象标识代码：10.2514/1.16875 [23] Emmerich，M.，Klinkenberg，J.-W.：帕累托前沿近似支配超体积的预期改进计算。莱顿大学的融洽技术（2008） [24] Emmerich，M.：高斯随机场元模型辅助的单目标和多目标进化设计优化。多特蒙德大学博士论文（2005年） [25] Emmerich，M.，Deutz，A.，Klinkenberg，J.-W.：基于超体积的预期改进：单调性和精确计算。摘自：IEEE进化计算大会，第2147-2154页。IEEE（2011）·Zbl 0627.62010号 [26] Hupkens，I.，Emmerich，M.，Deutz，A.：预期超体积改进的更快计算。arXiv预印arXiv:1408.7114（2014） [27] Emmerich，M.，Yang，K.，Deutz，A.，Wang，H.，Fonseca，C.M.：贝叶斯全局优化的多准则推广。收录：Pardalos，P.，Zhigljavsky，A.，Zhilinskas，J.（编辑）《随机和确定性全局优化进展》，第229-242页。柏林施普林格出版社（2016）·Zbl 1355.90071号 [28] Yang，K.，Emmerich，M.，Deutz，A.，Fonseca，C.M.：在渐近最优时间计算三维预期超体积改进和相关积分。摘自：进化多准则优化国际会议，第685-700页。施普林格（2017）·Zbl 1430.90522号 [29] WR汤普森，《鉴于两个样本的证据，一种未知概率超过另一种概率的可能性》，《生物统计学》，25，285-294，（1933）·doi:10.2307/2332286 [30] Zhigljavsky，A.，Zilinskas，A.：随机全局优化，第9卷。柏林施普林格出版社（2007）·Zbl 1136.90003号 [31] Ju ilinskas，A，《基于统计模型的“黑盒”多目标优化算法》，国际期刊系统。科学。，45, 82-93, (2014) ·Zbl 1307.93476号 ·doi:10.1080/00207721.2012.702244 [32] Helmdach，D；Yaseneva，P；希尔，PK；Schweidtmann，AM；Lapkin，A，《多目标优化，包括开发生物可再生工艺的生命周期评估结果》，ChemSusChem，10，3632-3643，（2017）·doi:10.1002/cssc.201700927 [33] Rasmussen，C.E.：机器学习中的高斯过程。收录：Bousquet，O.，VonLuxburg，U.，Ratsch，G.（编辑）《机器学习高级讲座》。人工智能课堂讲稿，第3176卷，第63-71页（2004年）·Zbl 1120.68436号 [34] Rasmussen，C.E.，Williams，C.K.I.：机器学习的高斯过程。麻省理工学院出版社，剑桥（2005）·Zbl 1177.68165号 [35] Ebden，M.：高斯过程：简介。arXiv预印arXiv:1505.02965（2015）·Zbl 1108.62327号 [36] Rasmussen，C.E.：机器学习的高斯过程。麻省理工学院出版社，剑桥（2006）·Zbl 1177.68165号 [37] 杨，X；Maciejowski，JM，使用高斯过程和模型预测控制的容错控制，国际期刊应用。数学。计算。科学。，25, 133-148, (2015) ·Zbl 1322.93044号 ·文件编号：10.1515/amcs-2015-0010 [38] Matérn，B.：《空间变异》，第36卷。柏林施普林格出版社（2013）·Zbl 0608.62122号 [39] Sundararajan，S；Keerthi，SS，高斯过程中选择超参数的预测方法，神经计算。，13, 1103-1118, (2001) ·Zbl 1108.62327号 ·doi:10.1162/08997660151134343 [40] Hernández-Lobato，J.M.，Hoffman，M.W.，Ghahramani，Z.：预测熵搜索用于黑盒函数的有效全局优化。收录于：Ghahramani，Z.，Welling，M.，Cortes，C.，Lawrence，N.D.，Weinberger，K.Q.（eds.）Advances In Neural Information Processing Systems 27，vol.1，pp.918-926。麻省理工学院出版社，剑桥（2014） [41] Bochner，S.：傅里叶积分讲座，第42卷。普林斯顿大学出版社，普林斯顿（1959）·Zbl 0085.31802号 [42] Rahimi，A；Recht，B；Platt，JC（编辑）；Koller，D（编辑）；辛格，Y（编辑）；Roweis，ST（编辑），大规模内核机器的随机特征，1177-1184，（2007），剑桥 [43] Lázaro-Gredilla，M；Quiñonero-Candela，J；拉斯穆森，CE；Figueiras-Vidal，AR，稀疏谱高斯过程回归，J.Mach。学习。第11号决议，1865-1881年，（2010年）·Zbl 1242.62098号 [44] 夏佩尔，O；李，L；Shawe-Taylor，J（编辑）；Zemel，RS（编辑）；Bartlett，PL（编辑）；佩雷拉，F（编辑）；Weinberger，KQ（编辑），《汤普森抽样的实证评估》，2249-2257，（2011），剑桥 [45] 斯科特，SL，现代贝叶斯主义者对多武器强盗的看法，应用。斯托克。模型总线。印度，26，639-658，（2010）·doi:10.1002/asmb.874 [46] Shahriari，B.，Wang，Z.，Hoffman，M.W.，Bouchard-Cóté，A.，de Freitas，N.：贝叶斯优化的熵搜索组合。arXiv预印arXiv:1406.4625（2014） [47] Kaufmann，E.，Korda，N.，Munos，R.：汤普森抽样：渐近最优有限时间分析。载于：算法学习理论国际会议，第199-213页。施普林格（2012）·Zbl 1386.91055号 [48] Agrawal，S.，Goyal，N.：Thompson对具有线性回报的背景盗贼进行抽样调查。摘自：第30届国际机器学习会议（ICML-13），第127-135页（2013） [49] Yahyaa，S.，Manderick，B.：多目标多武器强盗问题的汤普森抽样。摘自：2015年欧洲人工神经网络研讨会，第47-52页。卢万新闻大学（2015） [50] Stein，M，使用拉丁超立方体采样的模拟大样本特性，技术计量学，29143-151，（1987）·Zbl 0627.62010号 ·doi:10.1080/00401706.1987.10488205 [51] 艾默里奇，M；丰塞卡，C；高桥，RHC（编辑）；Deb，K（编辑）；Wanner，EF（编辑）；Greco，S（ed.），《计算低维超体积贡献：渐近最优算法和复杂性结果》，121-135，（2011），柏林·doi:10.1007/978-3642-19893-99 [52] Bader，J.、Deb，K.、Zitzler，E.：使用蒙特卡罗采样实现更快的基于超卷的搜索。摘自：《可持续能源和运输系统的多准则决策：第19届多准则决策国际会议论文集》。第313-326页。柏林施普林格出版社（2010年）·Zbl 1184.90147号 [53] Finkel，D.E.：直接优化算法用户指南。http://www4.ncsu.edu/ctk/Finkel_Direct/DirectUserGuide_pdf.pdf。2017年11月26日访问（2003） [54] Lin，S.：NGPM是Matlab中的NSGA-II项目。代码查找器。http://www.codelooker.com/dfilec/6987NGPMv11.4/NGPManualv1.4.pdf。2017年11月26日（2011年）访问 [55] Rasmussen，C.E.，Nickisch，H.：GPML工具箱3.5版。http://mlg.eng.cam.ac.uk/carl/gpml/doc/manual.pdf。2017年11月26日访问（2014年）·Zbl 1242.68242号 [56] Yi，C.：帕雷托集。Matlab文件交换。https://se.mathworks.com/matlabcentral/fileexchange/15181-pareto-set。访问日期：2017年11月26日（2014年） [57] Yi，C.：超音量指示器。Matlab文件交换。https://se.mathworks.com/matlabcentral/fileexchange/19651-hypervolume-indicator。2017年11月26日访问（2008） [58] Bradford，E.，Schweidtmann，A.M.：TS-EMO。github。https://github.com/Eric-Bradford/TS-EMO。2017年11月29日访问（2017） [59] Schaffer，J.D.：使用向量评估遗传算法进行机器学习的一些实验。纳什维尔范德比尔特大学（1985） [60] 克里斯特斯库，C.：ParEGO_Eigen。github。https://github.com/CristinaCristescu/ParEGO_Eigen/graphs/contributors。2017年11月26日（2015年）访问 [61] 戈里森，D；库库特，我；德梅斯特，P；达内，T；Crombecq，K，基于计算机设计的代理建模和自适应采样工具箱，J.Mach。学习。第11号决议，2051-2055，（2010） [62] Cristescu，C.，Knowles，J.：基于代理的多目标优化：ParEGO更新和测试·Zbl 0917.90270号 [63] Zitzler，E；蒂勒，L；Laumanns，M；丰塞卡，CM；VG，Fonseca，《多目标优化器的性能评估：分析与评论》，IEEE Trans。进化。计算。，7, 117-132, (2003) ·doi:10.1010/TEVC.2003.810758 [64] Knowles，J；蒂勒，L；Zitzler，E，《随机多目标优化器性能评估教程》，Tik Rep.，214327-332，（2006） [65] Riquelme，N.、Von Lücken，C.、Baran，B.：多目标优化中的性能指标。摘自：2015年拉丁美洲计算机会议（CLEI），第1-11页。IEEE（2015） [66] Ishibuchi，H.、Masuda，H.，Tanigaki，Y.、Nojima，Y.：代际距离和反向代际距离的修正距离计算。查姆施普林格（2015）·文件编号：10.1007/978-3-319-15892-1_8 [67] Zhou，A.，Jin，Y.，Zhang，Q.，Sendhoff，B.，Tsang，E.：结合基于模型和基于遗传学的后代生成，使用收敛标准进行多目标优化。摘自：IEEE进化计算大会，2006年（CEC 2006），第892-899页。电气与电子工程师协会 [68] Zitzler，E.：多目标优化的进化算法：方法和应用。苏黎世ETH（1999） [69] 江，S；Ong，Y-S；张，J；Feng，L，多目标优化中性能指标的一致性和矛盾，IEEE Trans。赛博。，44, 2391-2404, (2014) ·doi:10.1109/TCYB.2014.2307319 [70] Fonseca，C.M.，Fleming，P.J.：关于随机多目标优化器的性能评估和比较。摘自：《自然》杂志并行问题解决国际会议，第584-593页。斯普林格（1996） [71] Knowles，J.：一种用于可视化随机多目标优化器性能的总结性成果曲面绘制方法。摘自：第五届智能系统设计和应用国际会议，2005年，第552-557页。IEEE（2005）·Zbl 0346.90055号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。