×

兹马思-数学第一资源

求解高维计算复杂问题的两层自适应代理辅助进化算法。(英语) Zbl 1422.90072
摘要:代理辅助进化算法(SAEAs)最近在解决计算量大的优化问题方面表现出了优异的能力。然而,随着研究问题维数的增加,SAEAs对高维问题的有效性还有待进一步提高。本文提出了一种两层自适应代理辅助进化算法,该算法在迭代过程中根据反馈信息自适应地执行三种不同的搜索策略,以衡量算法接近最优值的状态。该方法利用全局GP模型对DE/current-to-best/1策略产生的子代进行预筛选,以加快收敛速度,并提出DE/current-to-randbest/1策略来指导全局GP模型在反馈信息达到预定阈值时定位有希望的区域。此外,采用局部搜索策略(DE/best/1)来指导局部GP模型,该模型利用最接近当前最佳个体的个体来集中挖掘有希望的区域。此外,针对高维代价问题,采用降维技术构造了一个较为精确的GP模型。对50和100个变量的基准问题的实证研究表明,该算法能够在有限的计算量下找到高维问题的高质量解。
理学硕士:
90度59度 数学规划中的逼近方法和启发式方法
90C26型 非凸规划,全局优化
PDF格式 双歧杆菌 XML 引用
全文: 内政部
参考文献:
[1] El Ela,AA;Fetouh,T.;Bishr,M.;Saleh,R.,《使用粒子群优化技术的电力系统运行》,Electr。电力系统。第781906-1913号决议(2008年)
[2] Jones,DR;Schonlau,M.;Welch,WJ.《昂贵黑盒函数的高效全局优化》,J.Glob。Optim.,13455-492,(1998年)·Zbl 0917.90270
[3] Nguyen,S.;Zhang,M.;Johnston,M.;Tan,KC,《通过迭代局部搜索实现动态作业车间调度的自动编程》,IEEE Trans。赛博网,2015年1月14日
[4] Yoon,Y;Kim,Y-H,无线传感器网络中最大覆盖部署的有效遗传算法,IEEE Trans。Cybernet.,43,1473-1483,(2013年)
[5] Wu,T-Y;Lin,C-H,《基于粒子群优化算法的无线体域网络低SAR路径发现》,IEEE Sens.J.,15928-936,(2015)
[6] He,S.;Prempain,E.;Wu,Q.,机械设计优化问题的改进粒子群优化算法,工程优化,36585-605,(2004)
[7] Lim,D.;Jin,Y.;Ong,Y-S;Sendhoff,B.,《广义代理辅助进化计算》,IEEE Trans。进化。计算机,14329-355,(2010年)
[8] 《进化计算中适应度近似的综合研究》,软计算。找到了融合。Methodol公司。申请书,9,3-12,(2005年)
[9] Gaspar Cunha,A.,Vieira,A:使用逆神经网络的混合多目标进化算法。In:混合元启发式,第25-30页(2004年)
[10] Gaspar Cunha,A.;Vieira,A.,《使用神经网络近似适应度评估的多目标进化算法》,国际计算机杂志。系统。信号,6,18-36,(2005)
[11] Lian,Y.;Liou,M-S,《基于耦合响应面模型和进化算法的多目标优化》,AIAA J.,431316-1325,(2005)
[12] Loshchilov,I.,Schoenauer,M.,Sebag,M.:多目标优化的单代理。第12届遗传和进化计算年会论文集,第471-478页。ACM(2010年)
[13] Herrera,M.;Guglielmetti,A.;Xiao,M.;Coelho,RF,《基于混合变量多核回归的元模型辅助优化》,Struct。多盘。Optim.,49979-991,(2014年)
[14] Isaacs,A.,Ray,T.,Smith,W.:一种基于空间分布代理的多目标优化进化算法。澳大利亚人工生命会议,第257-268页。斯普林格(2007)
[15] Zapotecas Martínez,S.,Coello Coello,C.A.:由RBF网络辅助的MOEA/D解决昂贵的多目标优化问题。第15届遗传和进化计算年会论文集,第1405-1412页。ACM(2013年)
[16] Knowles,J.,ParEGO:昂贵多目标优化问题的在线横向近似混合算法,IEEE Trans。进化。计算机,10,50-66,(2006)
[17] Ponweiser,W.,Wagner,T.,Biermann,D.,Vincze,M.:使用模型辅助的S-度量选择对有限预算的评估进行多目标优化。In:来自自然的平行问题解决国际会议,第784-794页。斯普林格(2008)
[18] Zhang,Q.;Liu,W.;Tsang,E.;Virginas,B.,《基于高斯过程模型的MOEA/D昂贵多目标优化》,IEEE Trans。进化。计算机,14556-474,(2010年)
[19] Ahmed,M.;Qin,N.,基于替代物的高超音速尖头体多目标气动热力学设计优化,AIAA J.,50797-810,(2012)
[20] Ratle,A.,Kriging作为进化优化中的替代适应度景观,AI-EDAM,15,37-49,(2001)
[21] Jin,Y.;Olhofer,M.;Sendhoff,B.,《具有近似适应度函数的进化优化框架》,IEEE Trans。进化。计算机,6481-494,(2002年)
[22] Ulmer,H.,Streichert,F.,Zell,A.:改进预选准则的高斯过程辅助进化策略。在:进化计算。CEC'03年。2003年大会,第692-699页。IEEE(2003)·Zbl 1028.68912
[23] Karakasis,M.;Giannakoglou,K.《元模型辅助的多目标进化算法的使用》,工程优化,38941-957,(2006)
[24] Parno,M.D.,Fowler,K.R.,Hemker,T.:带代理函数的粒子群优化框架。达姆施塔特技术大学,达姆施塔特(2009)
[25] Jin,Y.,代理辅助进化计算:最近的进展和未来的挑战,Swarm Evolut。计算机,161-70,(2011年)
[26] Di Nuovo,A.,Ascia,G.,Catania,V.:计算昂贵问题的模糊逼近进化多目标优化研究。In:来自《自然》的平行问题解决PPSN XII,第102-111页(2012)
[27] Liu,B.;Zhang,Q.;Gielen,GG,《中规模昂贵优化问题的高斯过程代理模型辅助进化算法》,IEEE Trans。进化。计算机,18,180-192,(2014)
[28] Gong,W.;Zhou,A.;Cai,Z.,《基于进化优化廉价代理模型的多算子搜索策略》,IEEE Trans。进化。计算机,19746-758,(2015年)
[29] Ong,YS;Nair,PB;Keane,AJ,通过代理建模实现计算代价高昂问题的进化优化,AIAA J.,41687-696,(2003)
[30] Smith,R.E.,Dike,B.A.,Stegmann,S.:遗传算法中的适应度遗传。1995年ACM应用计算研讨会论文集,第345-350页。ACM(1995)
[31] Hendtlass,T.:适应度估计和粒子群优化算法。在:进化计算。CEC 2007年。IEEE大会,2007年,第4266-4272页。IEEE(2007)
[32] Sun,C.;Zeng,J.;Pan,J.;Xue,S.;Jin,Y.,《粒子群优化的新适应度估计策略》,Inf.Sci.,221,355-370,(2013)·Zbl 1293.68254
[33] Zhou,Z.,Ong,Y.S.,Nguyen,M.H.,Lim,D.:层次代理辅助进化算法中多项式回归和高斯过程全局代理模型的研究。在:进化计算。2005年IEEE大会,第2832-2839页。IEEE(2005)
[34] 使用局部变量、局部模因优化的Tenny、Armt模型。找到了融合。Methodol公司。申请书,13781-793,(2009年)
[35] Müller,J.;Shoemaker,CA.,《集成代理模型和抽样策略对计算代价高昂的黑箱全局优化问题算法求解质量的影响》,J.Glob。Optim.,60,123-144,(2014年)·Zbl 1312.90064
[36] Sun,C.;Jin,Y.;Zeng,J.;Yu,Y.,一种两层代理辅助粒子群优化算法,Soft。Comput.,191461-1475,(2015年)
[37] Bouhlel,MA;Bartoli,N.;Otsmane,A.;Morlier,J.,《通过偏最小二乘降维改进高维设计模型的kriging替代物》,Struct。多盘。Optim.,53935-952,(2016年)·Zbl 1400.62110
[38] 雷吉斯,RG,《具有不可行初始点的高维昂贵黑箱问题的径向基函数插值约束优化》,工程优化,46218-243,(2014)
[39] 雷吉斯,RG,基于径向基函数的高维约束昂贵黑盒优化的进化规划,IEEE Trans。进化。计算机,18326-347,(2014年)
[40] Liu,B.;Koziel,S.;Zhang,Q.,《计算开销优化问题的多保真度代理模型辅助进化算法》,J.Comput。科学,12,28-37,(2016年)
[41] Jin,C.,Qin,A.K.,Tang,K.:局部系综代理辅助拥挤差异进化。在:进化计算(CEC),IEEE大会2015年,第433-440页。IEEE(2015)
[42] Awad,NH;Ali,MZ;Mallipeddi,R.;Suganthan,PN,一种改进的差分进化算法,使用高效自适应代理模型进行数值优化,Inf.Sci.,451,326-347,(2018)
[43] Elsayed,S.M.,Ray,T.,Sarker,R.A.:一种具有动态参数选择的代理辅助差分进化算法,用于解决昂贵的优化问题。在:进化计算(CEC),IEEE大会2014年,第1062-1068页。IEEE(2014)
[44] Mallipeddi,R.;Lee,M.,《基于进化代理模型的差分进化算法》,应用。软计算,34770-787,(2015年)
[45] Dennis,J.,Torczon,V.:优化中的近似模型管理。In:多学科设计优化:最新技术,330-347页(1997)
[46] Forrester,A.,Sobester,A.,Keane,A.:通过替代模型进行工程设计:实用指南。威利,纽约(2008)
[47] Viana,FA;Haftka,RT;Watson,LT,《多代理技术辅助的高效全局优化算法》,J.Glob。Optim.,56,669-689,(2013年)·Zbl 1275.90072
[48] 机器学习中的高斯过程。In:机器学习高级讲座,第63-71页。斯普林格(2004)·Zbl 1120.68436
[49] Lophaven,S.N.,Nielsen,H.B.,Sødergaard,J.:DACE-A Matlab Kriging工具箱,2.0版。在。(2002年)
[50] Sacks,J.;Welch,WJ;Mitchell,TJ;Wynn,HP,《计算机实验设计与分析》,Stat.Sci.,4409-423,(1989年)·Zbl 0955.62619
[51] Maaten,L.;Postma,E.;Herik,J.,《维度缩减:比较研究》,J.Mach。学习。第10期,第66-71页,(2009年)
[52] 《数据结构分析的非线性映射》,IEEE Trans。计算机,100401-409,(1969)
[53] Vesanto,J.,Himberg,J.,Alhoniemi,E.,Parhankangas,J.:Matlab5的SOM工具箱。赫尔辛基理工大学,埃斯波(2000)
[54] Storn,R.;Price,K.,《差分进化——连续空间上全局优化的一种简单有效的启发式算法》,J.Glob。Optim.,11341-359,(1997年)·Zbl 0888.90135
[55] Zhang,J.;Sanderson,AC,JADE:具有可选外部存档的自适应差分进化,IEEE Trans。进化。计算机,13945-958,(2009年)
[56] Price,K.V.,Storn,R.M.,Lampinen,J.A.:差分进化——全局优化的实用方法。自然计算系列。斯普林格,柏林(2005)·Zbl 1186.90004号
[57] Barbosa,H.J.,SáA.:实数编码遗传算法中的自适应算子概率。智利计算机科学学会第二十届国际会议(2000年)
[58] Thierens,D.:分配算子概率的自适应追踪策略。第七届遗传和进化计算年会论文集,第1539-1546页。ACM(2005年)
[59] Gong,W.;Fialho,Á;Cai,Z.;Li,H.,《数值优化微分进化中的自适应策略选择:实证研究》,Inf.Sci.,181,5364-5386,(2011)
[60] Liu,J.,Lampinen,J.:一种模糊自适应差分进化算法。在:TENCON'02。诉讼程序。2002年IEEE第10区计算机、通信、控制和电力工程会议,第606-611页。IEEE(2002)
[61] Qin,A.K.,Suganthan,P.N.:数值优化的自适应差分进化算法。在:进化计算。2005年IEEE大会,第1785-1791页。IEEE(2005)
[62] 自适配问题;比较研究;自适应问题。进化。计算机,10646-657,(2006)
[63] Regis,RG;Shoemaker,CA,用于全局优化的径向基函数方法的改进策略,J.Glob。Optim.,37,113-135,(2007年)·Zbl 1149.90120
[64] 雷吉斯,RG;肖梅克,CA,使用径向基函数对昂贵黑盒函数的约束全局优化,J.Glob。Optim.,31,153-171,(2005年)·Zbl 1274.90511号
〔65〕 霍姆斯特伦,K.,《用于昂贵的黑盒全局优化的自适应径向基算法(ARBF)》,J.Glob。Optim.,41,447-464,(2008年)·Zbl 1152.90609
[66] 王志刚,王志军,大型优化问题的随机径向基函数算法,含昂贵的黑盒目标函数和约束函数,计算。操作。第38837-853号决议(2011年)
[67] Regis,RG;Shoemaker,CA,在高维昂贵黑盒优化中结合径向基函数代理和动态坐标搜索,工程优化,45529-555,(2013)
[68] Liang,J.,Qu,B.,Suganthan,P.,Hernández-Díaz,A.G.:CEC 2013年实参数优化特别会议的问题定义和评估标准。在:计算智能实验室,郑州大学,中国郑州和南洋理工大学,新加坡,技术报告201212(2013)
〔69〕 Awad,N.,Ali,M.,Liang,J.,Qu,B.,Suganthan,P.:CEC 2017年特别会议和单目标实参数数值优化竞赛的问题定义和评估标准(2016)
[70] Regis,R.G.:基于高维代理的昂贵黑盒优化的初始化策略。In:建模与优化:理论与应用,第51-85页。斯普林格(2013)·Zbl 1305.90443
[71] Sun,C.;Jin,Y.;Cheng,R.;Ding,J.;Zeng,J.,《高维代价问题的代理辅助协同群优化》,IEEE Trans。进化。计算机,21644-660,(2017年)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。