×

用于提高遗传算法性能的基于相似性的代理模型。 (英语) Zbl 1190.90288号

摘要:尽管遗传算法能够处理复杂的优化问题,但通常需要进行大量评估才能找到最优或令人满意的近最优解。当优化过程中涉及到昂贵的模拟时,使用遗传算法作为优化工具可能会变得毫无吸引力。替代模型的使用是克服这一缺点的一个有趣的替代方法,可以替代昂贵的评估,也可以允许探索搜索空间。本文将基于相似性度量的代理模型引入到遗传算法中,以提高在固定模拟预算下优化问题的性能。为了评估约束和无约束优化问题的适用性和性能,进行了数值实验。结果表明,目前的框架是一种有吸引力的替代方案,可以在固定预算的昂贵评估中改进最终解决方案

MSC公司:

90 C59 数学规划中的近似方法和启发式
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Goldberg,D.:搜索、优化和机器学习中的遗传算法。Addison-Wesley Publishing Co.Reading,Mass.,USA(1989年)·Zbl 0721.68056号
[2] Holland,J.H.:《自然和人工系统中的适应》。密歇根大学出版社(1975)·兹伯利0317.68006
[3] Barbosa,H.,Lemonge,A.:遗传算法的一种新的自适应惩罚方案。信息科学。156(3–4), 215–251 (2003) ·Zbl 02024074号 ·doi:10.1016/S0020-0255(03)00177-4
[4] Branke,J.,Schmidt,C.:通过适应度估计加快收敛。软计算9(1),13–20(2005)·Zbl 05036837号 ·doi:10.1007/s00500-003-0329-4
[5] Bull,L.:关于基于模型的进化计算。软计算3(2),76-82(1999)
[6] Jin,Y.:进化计算中适应度近似的综合调查。《软计算杂志》9(1),3–12(2005)·Zbl 05036836号 ·doi:10.1007/s00500-003-0328-5
[7] Liang,K.H.,Yao,X.,Newton,C.:近似N维景观的进化搜索。基于知识的智能工程系统国际期刊4(3),172-183(2000年7月)
[8] Queipo,N.V.、Haftka,R.T.、Shyy,W.、Goela,T.、Vaidyanathana,R.、Tucker,P.K.:基于代理的分析和优化。航空航天科学进展41(1),1–28(2005)·doi:10.1016/j.parosci.2005.02.001
[9] Zhou,Z.,Ong,Y.S.,Nair,P.B.:层次代理辅助进化优化框架。摘自:进化计算大会,IEEE 1586–1593(2004)
[10] Myers,R.H.,Montgomery,D.C.:响应面方法——使用设计实验优化工艺和产品。概率统计中的威利级数。John Wiley&Sons Inc.,纽约(2002)·Zbl 1161.62393号
[11] Kröse,B.J.A.,van der Smagt,P.P.:神经网络导论。阿姆斯特丹大学(1993)
[12] van Beers,W.C.M.,Kleijnen,J.P.C.:模拟中的克里格插值:一项调查。收录:WSC'04:第36届冬季模拟会议记录,冬季模拟会议113-121(2004)·Zbl 1060.62090号
[13] Kybic,J.,Blu,T.,Unser,M.:广义采样;变分法——第一部分:理论。IEEE信号处理汇刊50(8)1965-1976·Zbl 1369.94426号
[14] Kybic,J.,Blu,T.,Unser,M.:广义抽样;变分法——第二部分:应用。IEEE信号处理汇刊50(8)1977–1985·Zbl 1369.94425号
[15] Kecman,V.:学习和软计算:支持向量机、神经网络和模糊逻辑模型。复杂自适应系统。麻省理工学院出版社,马萨诸塞州剑桥,美国(2001)·Zbl 0994.68109号
[16] Grefenstette,J.,Fitzpatrick,J.:遗传搜索与近似适应性评估。摘自:《遗传算法及其应用国际会议论文集》。112–120 (1985)
[17] Deb,K.:遗传算法的一种有效约束处理方法。应用力学与工程中的计算机方法186(2/4)311–338(2000)·Zbl 1028.90533号 ·doi:10.1016/S0045-7825(99)00389-8
[18] Hendrickx,W.,Gorissen,D.,Dhaene,T.:网格支持的顺序设计和自适应元建模。收录:WSC’06:第37届冬季模拟会议记录,冬季模拟会议872-881(2006)
[19] Barton,R.R.:模拟投入产出关系的元模型。收录:WSC’92:《第24届冬季模拟会议论文集》,美国纽约州纽约市,ACM出版社289–299(1992)
[20] Fonseca,J.、Navaresse,D.O.、Moynihan,G.P.:通过人工神经网络的模拟元建模。人工智能的工程应用16(3)177-183(2003)·doi:10.1016/S0952-1976(03)00043-5
[21] Kleijnen,J.P.C.,Sargent,R.G.:模拟中拟合和验证元模型的方法。《欧洲运筹学杂志》120 14–29(2000)·Zbl 0985.65007号 ·doi:10.1016/S0377-2217(98)00392-0
[22] Aha,D.W.:编辑。Artif公司。智力。Rev.11(1-5)(1997)1-6懒惰学习专题。 ·doi:10.1023/A:1006538427943
[23] Shepard,D.:用于不规则间隔数据的二维插值函数。摘自:美国纽约州纽约市1968年第23届ACM全国会议记录,ACM出版社517–524(1968)
[24] 布兰宁,R.W.:感光信息的来源和用途。接口4(4)21–23(1974)·doi:10.1287/inter.4.4.32
[25] Graening,L.,Jin,Y.,Sendhoff,B.:基于个人的元模型管理,用于进化优化,并应用于三维叶片优化。In:动态和不确定环境中的进化计算。Springer-Verlag 225-250(2007年)
[26] Chandra,R.、Dagum,L.、Kohr,D.、Maydan,D.、McDonald,J.、Menon,R.:OpenMP中的并行编程。Morgan Kaufmann Publishers Inc.,美国加利福尼亚州旧金山(2001)
[27] Runarsson,T.P.,Yao,X.:约束进化优化的随机排序。IEEE进化计算汇刊4(3)284–294(2000年9月)·Zbl 05452114号 ·数字对象标识代码:10.1109/4235.873238
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。