×

用于黑盒优化的并行三角剖分。 (英语) Zbl 1129.90072号

Pintér,János D.(编辑),《全局优化》。科学和工程案例研究。纽约州纽约市:施普林格出版社(ISBN 0-387-30408-8/hbk)。非凸优化及其应用85,487-506(2006)。
摘要:我们提出了一种基于并行三角剖分的划分算法(TRIOPT),用于解决低维有界约束黑箱全局优化问题。黑盒优化问题是工程设计中的一个重要问题,在工程设计中,输入输出对的数量是有限的。在输入和输出之间没有正式数学关系的情况下,对稀疏数据进行优化。在这种情况下,功能评估变得昂贵,因为系统性能评估可能通过模拟研究或物理实验进行。因此,最佳解决方案应该在最少数量的函数求值中找到。在TRIOPT中,输入输出对被视为位于搜索域中的样本,通过三角剖分获得这些样本的搜索空间覆盖率。这将生成域的初始分区。此后,对每个单纯形进行评估,以便并行地重新划分。在此评估中,使用带有动态参数的非线性转换函数将顶点处的性能值转换并映射到区间([0,1]\)。然后将转换后的值聚合为一个组度量值,并根据该度量值做出重新分区的决策。对其组度量值超过给定阈值的单纯形进行并行重新分区。这里,我们在不同领域的几个应用程序上测试了TRIOPT的性能,并与强大的分区技术(如LGO、DIRECT和MCS)进行了比较。
有关整个系列,请参见[兹比尔1103.90011].

MSC公司:

90 C90 数学规划的应用
PDF格式BibTeX公司 XML格式引用
全文: 内政部