×

使用RBF代理和多规则选择对计算量较大的多模态函数进行多目标优化。 (英语) Zbl 1339.90293号

摘要:GOMORS是一种用于多目标优化的并行响应曲面辅助进化算法,旨在通过相对较少的目标函数评估获得黑盒问题的良好非支配解。GOMORS使用径向基本函数迭代计算代理响应面,作为计算成本较高的目标函数的近似值。由于代用径向基函数曲面计算成本低,因此在代用径向基面上进行了一种利用进化、局部搜索、多方法搜索和非支配排序的多目标搜索。探索、开发和多样化之间的平衡是通过一种新的程序实现的,该程序通过不同的度量在算法迭代中同时选择评估点,包括近似超体积改进、最大化最小域距离、最大化最低目标空间距离、,以及代理辅助的局部搜索,可以并行计算。将结果与ParEGO(求解多个加权单目标优化的克里金替代方法)和广泛使用的NSGA-II进行了比较。结果表明,GOMORS在测试问题上优于ParEGO和NSGA-II。例如,在地下水PDE问题上,GOMORS对(6)维问题、(12)维问题和(24)维问题的评估优于ParEGO。对于固定数量的评估,GOMORS和ParEGO之间的性能差异随着维度数量的增加而增大。随着评估数量的增加,GOMORS和ParEGO之间的差异变得更小。在所有考虑的情况下,这两种基于代理的方法都比NSGA-II好得多。

MSC公司:

90C29型 多目标规划
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] Bader,J.M.:基于超体积的多目标优化搜索:理论和方法。CreateSpace,派拉蒙(2010)
[2] Beume,N.,Naujoks,B.,Emmerich,M.:SMS-EMOA:基于支配超体积的多目标选择。欧洲药典。第181(3)号决议,1653-1669(2007)·Zbl 1123.90064号 ·doi:10.1016/j.ejor.2006.08.008
[3] Buhmann,M.D.:径向基函数。剑桥大学出版社,纽约(2003)·Zbl 1038.41001号 ·doi:10.1017/CBO9780511543241
[4] Deb,K.:多目标遗传算法:问题难点和测试问题的构建。进化。计算。7(3), 205-230 (1999) ·doi:10.1162/evco.1999.7.3.205
[5] Deb,K.,Agrawal,S.,Pratap,A.,Meyarivan,T.:用于多目标优化的快速精英非支配排序遗传算法:Nsga-ii。摘自:第六届国际自然并行问题解决会议记录。PPSN VI,第849-858页。施普林格,伦敦,英国(2000年)
[6] Deb,K.,Kalyanmoy,D.:使用进化算法的多目标优化,第1版。威利,纽约(2001年)·Zbl 0970.90091号
[7] Deb,K。;Nain,P。;Yang,S.(编辑);Ong,YS(编辑);Jin,Y.(编辑),使用人工神经网络的进化多目标自适应元建模程序,297-322(2007),柏林·doi:10.1007/978-3-540-49774-5_13
[8] Diaz-Manriquez,A.,Toscan-Pulido,G.,Gomez-Flores,W.:进化优化算法中代理模型的选择。IEEE大会。进化。计算。2155-2162 (2011) ·Zbl 1270.65028号
[9] Emmerich,M.、Giotis,A.、Ùzdemir,M.,Bäck,T.、Giannakoglou,K.:元模型辅助进化策略。摘自:《自然》中的并行问题解决VII。斯普林格,第361-370页(2002年)
[10] Emmerich,M.T.M.,Giannakoglou,K.,Naujoks,B.:高斯随机场元模型辅助的单目标和多目标进化优化。IEEE传输。进化。计算。10(4), 421-439 (2006) ·doi:10.1010/TEVC.2005.859463
[11] Espinet,A.,Shoemaker,C.A.,Doughty,C.:利用有限监测数据的参数估计估算碳封存的羽流分布。水资源。第49(7)号决议,4442-4464(2013)·doi:10.1002/wrcr.20326
[12] Fang,H.,Rais-Rohani,M.,Liu,Z.,Horstemeyer,M.F.:多目标耐撞性优化元建模方法的比较研究。计算。结构。83(25-26), 2121-2136 (2005) ·doi:10.1016/j.compstruc.2005.02.025
[13] Georgopoulou,C.A.,Giannakoglou,K.C.:一种基于强度的局部细化的多目标元模型辅助模因算法。工程优化。41(10), 909-923 (2009) ·网址:10.1080/03052150902866577
[14] Gibbons,J.D.,Chakraborti,S.:非参数统计推断。查普曼和霍尔,博卡拉顿(2010)·Zbl 1115.62004号
[15] Gutmann,H.M.:用于全局优化的径向基函数方法。J.全球优化。19, 201-227 (2001) ·Zbl 0972.90055号 ·doi:10.1023/A:1011255519438
[16] Huang,D.,Allen,T.T.,Notz,W.I.,Zeng,N.:通过序列kriging元模型对随机黑盒系统进行全局优化。J.全球优化。34(3), 441-466 (2006) ·邮编1098.90097 ·doi:10.1007/s10898-005-2454-3
[17] Jin,R.,Chen,W.,Simpson,T.W.:多建模标准下元建模技术的比较研究。结构。多磁盘。最佳方案。23(1), 1-13 (2001) ·doi:10.1007/s00158-001-0160-4
[18] Jin,Y.,Olhofer,M.,Sendhoff,B.:具有近似适应度函数的进化优化框架。IEEE传输。进化。计算。6(5),481-494(2002)·doi:10.1109/TEVC.2002.800884
[19] Jones,D.R.,Schonlau,M.,Welch,W.J.:昂贵的黑盒函数的高效全局优化。J.全球优化。13(4), 455-492 (1998) ·Zbl 0917.90270号 ·doi:10.1023/A:1008306431147
[20] Karakasis,M.K.,Giannakoglou,K.C.:关于使用元模型辅助的多目标。工程优化。38(8),941-957(2006)·doi:10.1080/03052150600848000
[21] Knowles,J.:ParEGO:一种具有在线横向近似的混合算法,用于昂贵的多目标优化问题。IEEE传输。进化。计算。8(5), 1341-66 (2006)
[22] Li,H.,Zhang,Q.:具有复杂pareto集的多目标优化问题,MOEA/D和NSGA-II。IEEE传输。进化。计算。13(2), 284-302 (2009) ·doi:10.1109/TEVC.2008.925798
[23] Lim,D.,Jin,Y.,Ong,Y.S.,Sendhoff,B.:推广代理辅助进化计算。IEEE传输。进化。计算。14(3),329-355(2010)·doi:10.1109/TEVC.2009.2027359
[24] Martínez,S.Z.,Coello,C.A.C.:一种由元模型辅助的基于非梯度的局部搜索的模因算法。摘自:《第十一届国际自然并行问题解决大会论文集:第一部分PPSN’10》。施普林格,柏林,海德堡,第576-585页(2010年)
[25] Martinez,S.Z.,Coello,C.A.C.:结合代理模型和局部搜索来处理昂贵的多目标优化问题。摘自:IEEE进化计算大会,第2572-2579页。IEEE(2013)
[26] McKay,M.D.,Beckman,R.J.,Conover,W.J.: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21(2),239-245(1979)·兹伯利0415.62011
[27] Minsker,B.S.,Shoemaker,C.A.:区分有限元生物降解模拟模型以实现最佳控制。水资源。第32(1)号决议,187-192(1996)·doi:10.1029/95WR02969
[28] Minsker,B.S.,Shoemaker,C.A.:地下水原位生物修复的动态优化控制。水资源部。计划。管理。124(3), 149-161 (1998) ·doi:10.1061/(ASCE)0733-9496(1998)124:3(149)
[29] Montemayor-garcía,G.,Toscano-pulido,G.:《替代模型在多目标进化算法中的应用研究》。参加:第八届国际电工计算科学与自动控制会议(2011)
[30] Mueller,J.、Shoemaker,C.A.、Piche,R.:SO-I:一种用于昂贵的非线性整数规划问题(包括全局优化应用)的代理模型算法。J.全球优化。59(4), 865-889 (2014) ·Zbl 1305.90305号
[31] Mueller,J.、Shoemaker,C.A.、Piche,R.:SO-MI:用于计算成本高昂的非线性混合整数、黑盒全局优化问题的代理模型算法。计算。操作。第40(5)号决议,1383-1400(2013)·Zbl 1352.90067号
[32] di Pierro,F.,Khu,S.T.,Savić,D.,Berardi,L.:基于混合算法的模拟预算的配水网络高效多目标优化设计。环境。模型。柔和。24(2), 202-213 (2009) ·doi:10.1016/j.envsoft.2008.06.008
[33] Ponweiser,W.,Wagner,T.,Biermann,D.,Vincze,M.:使用模型辅助s度量选择对有限评估预算进行多目标优化。摘自:第十届自然并行问题解决国际会议论文集:PPSN X.Springer,柏林,海德堡,第784-794页(2008)
[34] Powell,M.J.D.:《径向基函数近似理论》,1990年,第105-210页。美国牛津大学出版社(1992)·Zbl 0787.65005号
[35] Priddy,K.L.,Keller,P.E.:人工神经网络:简介。SPIE出版社,纽约(2005)·doi:10.117/3.633187
[36] Regis,R.,Shoemaker,C.:进化算法中的局部函数近似,用于优化代价高昂的函数。IEEE传输。进化。计算。8(5), 490-505 (2004) ·doi:10.1109/TEVC.2004.835247
[37] Regis,R.,Shoemaker,C.:昂贵函数全局优化的随机径向基函数方法。信息J.计算。19, 497-509 (2007) ·Zbl 1241.90192号 ·doi:10.1287/ijoc.1060.0182
[38] Regis,R.G.,Shoemaker,C.A.:使用径向基函数对昂贵的黑箱函数进行约束全局优化。J.全球优化。31, 153-171 (2005) ·Zbl 1274.90511号 ·doi:10.1007/s10898-004-0570-0
[39] Regis,R.G.,Shoemaker,C.A.:用于全局优化的径向基函数方法的改进策略。J.全球优化。37(1), 113-135 (2007) ·Zbl 1149.90120号 ·doi:10.1007/s10898-006-9040-1
[40] Regis,R.G.,Shoemaker,C.A.:使用径向基函数的并行随机全局优化。信息J.计算。21(3), 411-426 (2009) ·Zbl 1243.90160号 ·doi:10.1287/ijoc.1090.0325
[41] Regis,R.G.,Shoemaker,C.A.:使用响应面模型对昂贵函数进行全局优化的准多重启动框架。J.全球优化。56(4), 1719-1753 (2013) ·Zbl 1275.90068号
[42] Regis,R.G.,Shoemaker,C.A.:在高维昂贵的黑盒优化中,组合径向基函数替代动态坐标搜索。工程优化。45(5), 529-555 (2013) ·doi:10.1080/0305215X.2012.687731
[43] Rosales-p,A.,Coello,C.A.C.,Gonzalez,J.A.,Reyes-garcia,C.A.,Escalante,H.J.:基于混合代理的进化多目标优化方法。摘自:IEEE进化计算大会(CEC),第2548-2555页(2013年)
[44] Sacks,J.、Welch,W.J.、Mitchell,T.J.、Wynn,H.P.:计算机实验的设计与分析。统计科学。4(4), 409-423 (1989) ·Zbl 0955.62619号 ·doi:10.1214/ss/1177012413
[45] Santana-Quintro,L.、Serrano-Hernandez,V.、Coello-Coello,C.A.、Hernandese-Diaz,A.、Molina,J.:径向基函数和粗糙集在进化多目标优化中的应用。摘自:IEEE多准则决策中的计算智能研讨会,第107-114页(2007年)·Zbl 1241.90192号
[46] Steuer,R.,Choo,E.U.:多目标规划的交互式加权tchebycheff过程。数学。程序。26, 326-344 (1983) ·Zbl 0506.90075号 ·doi:10.1007/BF02591870
[47] Vapnik,V.N.:《统计学习理论》,第1版。威利,纽约(1998)·Zbl 0935.62007号
[48] Vrugt,J.A.,Robinson,B.A.:通过遗传自适应多方法搜索改进进化优化。程序。国家。阿卡德。科学。美国104(3),708-711(2007)·doi:10.1073/pnas.0610471104
[49] Wild,S.M.,Regis,R.G.,Shoemaker,C.A.:轨道:通过信任区域中的径向基函数插值进行优化。SIAM J.科学。计算。30(6), 3197-3219 (2007) ·Zbl 1178.65065号 ·数字对象标识代码:10.1137/070691814
[50] Wild,S.M.,Shoemaker,C.A.:用于无导数优化的径向基函数信任域算法的全局收敛性。SIGEST文章。SIAM版本55(2),349-371(2013)·Zbl 1270.65028号 ·数字对象标识代码:10.1137/120902434
[51] Martínez,Zapotecas:S.,Coello-Coello,C.A.:Moea/d由rbf网络辅助求解昂贵的多目标优化问题。摘自:第十五届遗传和进化计算年会会议记录。GECCO’13,第1405-1412页。ACM,美国纽约州纽约市(2013年)
[52] Zhang,Q.,Li,H.:MOEA/D:基于分解的多目标进化算法。IEEE传输。进化。计算。11(6), 712-731 (2007) ·doi:10.1109/TEVC.2007.892759
[53] Zhang,Q.,Liu,W.,Tsang,E.,Virginas,B.:使用高斯过程模型,通过MOEA/D进行昂贵的多目标优化。IEEE传输。进化。计算。14(3), 456-474 (2010) ·doi:10.1109/TEVC.2009.2033671
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。