朱利安·米勒 SOCEMO：计算成本高的多目标问题的代理优化。 （英语） Zbl 1528.90248号 信息J.计算。 29，第4期，581-596（2017）. 摘要：我们提出了SOCEMO算法，用于具有多个计算代价高昂的黑盒目标函数冲突的优化问题。目标函数求值产生的计算费用极大地限制了为找到帕累托最优解而进行的求值次数。常用的多目标优化方法基于进化策略，通常需要大量的函数计算才能找到Pareto前沿的良好近似值。相反，SOCEMO使用代理模型来近似昂贵的目标函数。这些代理模型用于迭代采样过程中，以决定在变量域中的哪些点进行下一次昂贵的评估。因此，需要更少昂贵的目标函数评估，并且可以有效地找到帕累托前沿的良好近似。以前的算法通常是在变量少（最多10个）、目标函数少（最多5个）的问题上进行测试的。在我们的数值研究中，我们表明，我们的算法在高达35维、高达10个目标函数的基准问题以及两个工程应用问题中表现良好。我们将SOCEMO的性能与NSGA-II的变体进行了比较，并表明当允许的函数评估数量较低时，SOCEMO的复杂搜索策略比NSGA-II更有效。 引用于9文件 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 关键词：多目标优化；代理模型；黑盒优化；计算成本高的优化；径向基函数 软件：轨道；SO-I公司；XFOIL公司；MOEA/D公司；MLMSRBF公司；EGO公司 PDF格式BibTeX公司 XML格式引用 \textit{J.米勒}，信息J.计算。29，第4号，581--596（2017；Zbl 1528.90248） 全文： 内政部 参考文献： [1] Akhtar T，Shoemaker C（2016）使用RBF代理和多规则选择对计算成本高的多模态函数进行多目标优化。J.全球优化。64（1）：17-32.Crossref，谷歌学者·Zbl 1339.90293号 ·doi:10.1007/s10898-015-0270-y [2] Booker A、Dennis J Jr、Frank P、Serafini D、Torczon V、Trosset M（1999）通过代理优化昂贵函数的严格框架。结构多学科优化。17（1）：1-13.Crossref，谷歌学者·doi:10.1007/BF01197708 [3] Branke J、Deb K、Miettinen K、Slowinn ski R编辑（2008）多目标优化——交互和进化方法第1版，第5252卷（柏林施普林格-弗拉格出版社）。Crossref，谷歌学者·Zbl 1147.68304号 ·doi:10.1007/978-3-540-88908-3 [4] Coello C、Lamont G、Veldhuizen D（2007）求解多目标问题的进化算法第二版（Springer Science，纽约）。谷歌学者·Zbl 1142.90029号 [5] Conn A，Scheinberg K，Vicente L（2009年）无导数优化简介（费城SIAM）。Crossref，谷歌学者·Zbl 1163.49001号 ·doi:10.137/1.9780898718768 [6] Datta R，Regis R（2016）约束多目标优化的代理辅助进化策略。专家系统应用：国际。J。57（C）:270-284.Crossref，谷歌学者·doi:10.1016/j.eswa.2016.03.044 [7] Deb K（1999）工程设计中多准则优化的进化算法。Miettinen K、MäkeläM、Neitaanmaki P、Periaux J编辑。工程与计算机科学中的进化算法，（英国奇切斯特John Wiley&Sons有限公司），135-162.谷歌学者 [8] Deb K，Pratap A，Agarwal S，Meyarivan T（2002）一种快速的精英多目标遗传算法：NSGA-II。IEEE传输。进化计算。6（2）：182-197.Crossref，谷歌学者·数字对象标识代码：10.1109/4235.996017 [9] Drela M（2008）XFOIL亚音速翼型开发系统。2015年12月23日查阅，http://web.mit.edu/drela/Public/web/xfoil/.Google学者 [10] 埃尔戈特M（2005）多准则优化（柏林施普林格-弗拉格）。谷歌学者·Zbl 1132.90001号 [11] Fonesca C，Fleming P（1998）《进化算法的多目标优化和多约束处理——第一部分：统一公式》。IEEE传输。系统，人类控制论A部分28（1）：26-37.Crossref，谷歌学者·doi:10.1109/3468.650319 [12] Forrester A、Sóbester A、Keane A（2008年）通过替代模型进行工程设计——实用指南（英国奇切斯特John Wiley&Sons有限公司）。Crossref，谷歌学者·doi:10.1002/9780470770801 [13] Friedman JH（1991）多元自适应回归样条。安。统计师。19（1）：1-67.Crossref，谷歌学者·Zbl 0765.62064号 ·doi:10.1214/aos/1176347963 [14] Ganesh Ram R、Cooper Y、Bhatia V、Karthikeyan R、Periasamy C（2014）使用计算流体动力学和遗传算法对NACA 0012翼型进行设计优化和分析。申请。机械。材料664:111-116.Crossref，谷歌学者·doi:10.4028/www.scientific.net/AMM.664.111 [15] Glaz B、Friedmann P、Liu L（2008）基于代理的直升机旋翼桨叶优化，用于前飞减振。结构多学科优化。35（4）：341-363.Crossref，谷歌学者·doi:10.1007/s00158-007-0137-z [16] Goel T、Haftka RT、Shyy W、Queipo NV（2007）《代理合奏》。结构多学科优化。33（3）：199-216.Crossref，谷歌学者·doi:10.1007/s00158-006-0051-9 [17] Gutmann H（2001）用于全局优化的径向基函数方法。J.全球优化。19（3）：201-227.Crossref，谷歌学者·Zbl 0972.90055号 ·doi:10.1023/A:1011255519438 [18] Huband S，Hingston P，Barone L，While L（2006）《多目标测试问题综述和可扩展测试问题工具包》。IEEE传输。进化计算。10（5）：477-506.Crossref，谷歌学者·doi:10.1109/TEVC.2005.861417 [19] Hwang CL，Masud A（1979年）多目标决策方法及应用（柏林施普林格-弗拉格）。Crossref，谷歌学者·Zbl 0397.90001号 ·doi:10.1007/978-3-642-45511-7 [20] Jones D（2001）基于响应曲面的全局优化方法分类。J.全球优化。21（4）：345-383.Crossref，谷歌学者·Zbl 1172.90492号 ·doi:10.1023/A:1012771025575 [21] Jones D，Schonlau M，Welch W（1998）代价高昂的黑盒函数的高效全局优化。J.全球优化。13（4）：455-492.Crossref，谷歌学者·Zbl 0917.90270号 ·doi:10.1023/A：1008306431147 [22] Koziel S、Leifsson L（2013）基于代理的建模与优化：工程应用（Springer-Verlag，纽约）。Crossref，谷歌学者·Zbl 1269.00012号 ·doi:10.1007/978-1-4614-7551-4 [23] Kunakote T，Burierat S（2013），结构形状和尺寸优化的替代辅助多目标进化算法。数学。问题工程。2013年：文章编号695172.Crossref，谷歌学者·Zbl 1299.90406号 ·doi:10.1155/2013/695172 [24] Kursawe F（1991）向量优化进化策略的变体。Schwefel HP，Männer R编辑。自然并行问题解决，第496卷（柏林施普林格出版社），193-197年。Crossref，谷歌学者·doi:10.1007/BFb0029752 [25] Li H，Zhang Q（2009）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.Crossref，谷歌学者·doi:10.1109/TEVC.2008.925798 [26] Matheron G（1963）《地质统计学原理》。经济。地质学58（8）：1246-1266.交叉引用，谷歌学者·doi:10.2113/gsecongeo.58.8.1246 [27] Messac A，Mullur A（2008）一种计算效率高的元建模方法，用于昂贵的多目标优化。最佳方案。工程。9（1）：37-67.Crossref，谷歌学者·doi:10.1007/s11081-007-9008-0 [28] Miettinen K（1999）非线性多目标优化（Kluwer学术出版社，波士顿）。谷歌学者·Zbl 0949.90082号 [29] Müller J（2015）MISO：混合整数代理优化框架。最佳方案。工程。17（1）：177-203.Crossref，谷歌学者·Zbl 1364.90230号 ·doi:10.1007/s11081-015-9281-2 [30] Müller J，PichéR（2011）基于Dempster-Shafer理论的全局优化问题混合替代模型。J.全球优化。51（1）：79-104.Crossref，谷歌学者·Zbl 1230.90155号 ·doi:10.1007/s10898-010-9620-y [31] Müller J，Shoemaker C（2014）集成代理模型和抽样策略对计算成本高昂的黑盒全局优化问题算法解质量的影响。J.全球优化。60（2）：123-144.Crossref，谷歌学者·兹比尔1312.90064 ·doi:10.1007/s10898-014-0184-0 [32] Müller J，Shoemaker C，PichéR（2013a）SO-I：用于昂贵非线性整数规划问题的代理模型算法，包括全局优化应用。J.全球优化。59（4）：865-889。Crossref，谷歌学者·Zbl 1305.90305号 ·doi:10.1007/s10898-013-0101-y [33] Müller J，Shoemaker C，PichéR（2013b）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。物件。40（5）：1383-1400。交叉引用，谷歌学者·Zbl 1352.90067号 ·doi:10.1016/j.cor.2012.08.022 [34] Müller J，Paudel R，Shoemaker C，Woodbury J，Wang Y，Mahowald N（2015）使用代理全局优化在CLM4.5bgc中进行CH4参数估计。地质科学。模型开发讨论。8:141-207.谷歌学者Crossref·doi:10.5194/gmdd-8-141-2015年 [35] Nain P，Deb K（2005）一种具有逐次逼近模型的多目标优化程序。坎普尔印度理工学院坎加尔报告编号2005002。谷歌学者 [36] Naujoks B，Willmes L，Bäck T，Haase W（2002）评估翼型优化的多准则进化算法。Merelo Guervós J、Adamidis P、Beyer HG、Schwefel HP、Fernández-Villacañas JL编辑。Nature-PPSN VII中的并行问题解决，第2439卷（柏林斯普林格·弗拉格出版社），841-850.Crossref，谷歌学者·doi:10.1007/3-540-45712-7_81 [37] Ong Y，Nair P，Keane A（2003）通过代理建模对计算成本高的问题进行进化优化。美国汽车协会J。41（4）：687-696.Crossref，谷歌学者·doi:10.2514/2.1999年 [38] Poloni C（1995）多目标气动形状优化的混合遗传算法。Winter G、Periaux J、Galan M、Cuesta P编辑。工程与计算机科学中的遗传算法（英国奇切斯特威利父子公司），397-416.谷歌学者 [39] Powell MJD（1992）1990年径向函数近似理论。Light W编辑。数值分析进展：第2卷：小波、细分算法和径向基函数（牛津大学出版社，伦敦），105-210.谷歌学者·Zbl 0787.65005号 [40] Regis RG，Shoemaker CA（2007）：昂贵函数全局优化的随机径向基函数方法。信息J.计算。19（4）：497-509.链接，谷歌学者·Zbl 1241.90192号 [41] Ryu J，Kim S（2014）生物目标优化的无导数信任域方法。SIAM J.Optim公司。24（1）:334-362.Crossref，谷歌学者·Zbl 1291.90230号 ·数字对象标识代码：10.1137/120864738 [42] Schaffer J（1984）使用向量评估遗传算法进行机器学习的一些实验。田纳西州纳什维尔范德比尔特大学未发表博士论文。谷歌学者 [43] Schaffer JD（1985）使用向量评估遗传算法的多目标优化。程序。第一国际。Conf.遗传算法（Lawrence Erlbaum Associates Inc.，新泽西州希尔斯代尔），93-100.谷歌学者·兹比尔0676.68047 [44] Syberfeldt S，Grimm H，Ng A，John R（2008）用于计算成本高昂的优化问题的并行代理辅助多目标进化算法。IEEE进化计算大会。，香港，3177-3184.Crossref，谷歌学者·doi:10.1109/CEC.2008.4631228 [45] Van Veldhuizen D（1999）多目标进化算法：分类、分析和新创新。阿拉巴马州蒙哥马利市航空大学未发表博士论文。谷歌学者 [46] Viana F、Haftka R、Steffen Jr V（2009）《多重代理：交叉验证误差如何帮助我们获得最佳预测值》。结构多学科优化。39（4）：439-457.Crossref，谷歌学者·doi:10.1007/s00158-008-0338-0 [47] Viennet R，Fonteix C，Marc I（1996）使用遗传算法确定Pareto集的多准则优化。国际。系统科学杂志。27（2）：255-260.Crossref，谷歌学者·Zbl 0844.90079号 ·doi:10.1080/00207729608929211 [48] 而L、Bradstreet L、Barone L（2012）精确超体积的快速计算方法。IEEE传输。进化计算。16（1）：86-95.Crossref，谷歌学者·doi:10.1109/TEVC.2010.2077298 [49] Wild S，Shoemaker C（2013）用于无导数优化的径向基函数信赖域算法的全局收敛性。SIAM版本。55（2）：349-371.Crossref，谷歌学者·Zbl 1270.65028号 ·数字对象标识代码：10.1137/120902434 [50] Wild S，Regis R，Shoemaker C（2007）《轨道：信任区域中基于径向基函数插值的优化》。SIAM J.科学计算。30（6）：3197-3219。Crossref，谷歌学者·Zbl 1178.65065号 ·数字对象标识代码：10.1137/070691814 [51] Zitzler E（1999）多目标优化的进化算法：方法和应用。未发表博士论文，瑞士苏黎世瑞士联邦理工学院。谷歌学者 [52] Zitzler E，Thiele L（1999）《多目标进化算法：比较案例研究和强度Pareto方法》。IEEE传输。进化计算。3（4）：257-271.Crossref，谷歌学者·doi:10.1109/4235.797969 [53] Zitzler E，Deb K，Thiele L（2000）多目标进化算法的比较：实证结果。进化计算。8（2）：173-195.Crossref，谷歌学者·数字对象标识代码：10.1162/106365600568202 [54] 齐兹勒E， 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。