Pouya Aghaei，波尔；托拜厄斯·罗德曼；尤西·哈卡宁；凯萨·米埃蒂宁 建筑能源系统设计中的代理辅助交互式多目标优化。 （英语） Zbl 1492.90162号 最佳方案。工程师。 23，第1号，303-327（2022）. 小结：在本文中，我们开发了一种新的进化交互方法，称为交互式K-RVEA，它适用于计算量大的问题。我们使用代理模型来代替原来昂贵的目标函数，以减少计算时间。通常，在交互式方法中，决策者迭代地提供一些偏好，优化算法根据这些偏好缩小搜索范围。然而，使用代理模型会给偏好带来一些误差，因此，决策者最好能够使用使用原始目标函数评估的解决方案。因此，我们提出了一种新的模型管理策略，以结合决策者的偏好，选择一些解决方案来更新代理模型（以提高其准确性）并将其显示给决策者。此外，我们通过为异构商业建筑群的能源系统找到最佳配置，解决了一个基于模拟的计算成本高昂的优化问题。我们演示了决策者如何与该方法交互，以及如何选择最佳解决方案。最后，我们将我们的方法与另一种没有任何模型管理策略的交互式方法进行了比较，并展示了我们的模型管理策略如何帮助算法遵循决策者的偏好。 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：模型管理；进化交互方法；代理辅助优化；多目标优化；计算成本高的问题 软件：Modelica公司；ParEGO公司；随机森林 PDF格式BibTeX公司 XML格式引用 \textit{P.A.Pour}等人，Optim。工程23，编号1，303--327（2022；Zbl 1492.90162） 全文： 内政部 参考文献： [1] Bartz-Beielstein，T。；Zaefferer，M.，基于模型的连续和离散全局优化方法，应用软件计算，55，154-167（2017）·doi:10.1016/j.asoc.2017.01.039 [2] Branke J、Deb K、Miettinen K、Slowinn ski R（eds）（2008）《多目标优化：交互式和进化方法》。柏林施普林格·Zbl 1147.68304号 [3] Cheng，R。；Jin，Y。；奥尔霍弗，M。；Sendhoff，B.，用于多目标优化的参考向量引导进化算法，IEEE Trans-Evol Compute，20，5，773-791（2016）·doi:10.1109/TEVC2016.2519378 [4] Cheng，R。；罗德曼，T。；费舍尔，M。；奥尔霍弗，M。；Jin，Y.，混合动力电动汽车控制的进化多目标优化：从一般优化到偏好表达，IEEE Trans Emerge Topics Comput intel，1，2，97-111（2017）·doi:10.1109/TETCI.2017.2669104 [5] 丘格，T。；Jin，Y。；Miettinen，K。；哈卡宁，J。；Sindhya，K.，用于计算成本高昂的多目标优化的代理辅助参考向量引导进化算法，IEEE Trans-Evol Compute，22，1，129-142（2018）·doi:10.1109/TEVC.2016.2622301 [6] 丘格，T。；信德省。；哈卡宁，J。；Miettinen，K.，《用进化算法处理计算量大的多目标优化问题的调查》，《软计算》，23，9，3137-3166（2019）·doi:10.1007/s00500-017-2965-0 [7] 康奈尔，JA，《混合物实验：设计、模型和混合物数据分析》（2011），纽约：John Wiley&；Sons，纽约·数字对象标识代码：10.1002/9780470907443 [8] Deb，K.，《使用进化算法的多目标优化》（2001），纽约：John Wiley&；Sons，纽约·Zbl 0970.90091号 [9] 德拉克，J。；加尔卡，S。；莫利纳，D。；Herrera，F.，《关于使用非参数统计测试作为比较进化算法和群体智能算法的方法的实用教程》，swarm Evol-Comput，1，1，3-18（2011）·doi:10.1016/j.swavo.2011.02.002 [10] Drucker H、Burges CJ、Kaufman L、Smola AJ、Vapnik V（1997）支持向量回归机。收录：Mozer MC、Jordan MI、Petsche T（eds）《神经信息处理系统进展》。麻省理工学院出版社，第155-161页 [11] Fornalski，KW，稳健贝叶斯回归分析的应用，国际社会科学杂志，7，4，314-333（2015）·doi:10.1504/IJSSS.2015.073223 [12] Fritzson P，Bunus P（2002）Modelica——一种用于连续和离散事件系统建模和仿真的通用面向对象语言，载于：第35届年度仿真研讨会论文集，第365-380页，IEEE [13] 格兰茨，SA；Slinker，BK，《应用回归和方差分析入门》（1990），美国：McGraw-Hill，美国 [14] Hakanen J，Chugh T，Sindhya K，Jin Y，Miettinen K（2016）交互多目标进化算法中参考向量和不同类型偏好信息的连接，载于：2016年IEEE计算智能系列研讨会论文集，第1-8页 [15] Hwang，C-L；Masud，ASM，《多目标决策方法和应用：最新调查》（1979年），柏林：施普林格出版社，柏林·兹伯利0397.90001 ·doi:10.1007/978-3-642-45511-7 [16] Jin，Y.，《代理辅助进化计算：最新进展和未来挑战》，Swarm Evolut Compute，1，2，61-70（2011）·doi:10.1016/j.swevo.2011.05.001 [17] Knowles，J.，ParEGO:一种用于昂贵多目标优化问题的在线横向近似混合算法，IEEE Trans-Evol Compute，10，1，50-66（2006）·doi:10.1109/TEVC.2005.851274 [18] 李凯。；Deb，K。；Yao，X.，R-metric:使用参考点评估基于偏好的进化多目标优化的性能，IEEE Trans-Evol Compute，22，6，821-835（2017）·doi:10.1109/TEVC.2017.2737781 [19] Liaw，A。；Wiener，M.，《随机森林分类与回归》，R News，2，3，18-22（2002） [20] 医学博士麦凯；RJ贝克曼；Conover，WJ，《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》，42，1，55-61（2000）·网址：10.1080/00401706.2000.10485979 [21] Miettinen，K.，非线性多目标优化（1999），阿姆斯特丹：Kluwer学术出版社，阿姆斯特朗·Zbl 0949.90082号 [22] Miettinen，K。；哈卡宁，J。；Podkopaev，D。；Greco，S。；埃尔戈特，M。；Figueira，JR，交互式非线性多目标优化方法，多准则决策分析，927-976（2016），柏林：施普林格出版社，柏林·doi:10.1007/978-1-4939-3094-422 [23] Purshouse RC、Deb K、Mansor MM、Mostaghim S、Wang R（2014）《混合进化多准则决策方法综述》，摘自：2014年IEEE进化计算大会会议记录，第1147-1154页 [24] 罗德曼，T。；考夫曼，P。；Castillo，P.，《能源系统优化不同多目标优化算法的比较》，进化计算应用，1-16（2019），柏林：施普林格出版社，柏林 [25] Sacks，J。；席勒，SB；Welch，WJ，计算机实验设计，技术计量学，31，1，41-47（1989）·doi:10.1080/00401706.1989.10488474 [26] 托里，JH，《统计学原理和程序：特别参考生物科学》（1960年），美国：麦格劳-希尔，美国·Zbl 0095.13902号 [27] Wang，H。；奥尔霍弗，M。；Jin，Y.，《多目标优化中偏好建模和衔接的迷你评论：现状和挑战》，《复杂智能系统》，3，4，233-245（2017）·doi:10.1007/s40747-017-0053-9 [28] 基于Web的平行坐标图。可用：https://dgoldri25.github.io/Categorical-ParallelCoordinatePlot/。（访问时间：2019年12月13日）[在线] [29] 美联社Wierzbicki；范德尔，G。；Gal，T.，《参考目标在多目标优化中的应用》，多准则决策理论与应用，468-486（1980），柏林：施普林格出版社，柏林·Zbl 0435.90098号 ·doi:10.1007/978-3-642-48782-8_32 [30] Xin，B。；Chen，L。；陈，J。；Ishibuchi，H。；Hirota，K。；Liu，B.，交互式多目标优化：最新技术综述，IEEE Access，614256-41279（2018）·doi:10.1109/ACCESS.2018.2856832 [31] Yang，R。；Wang，L.，建筑自动化和控制中能源和舒适度管理决策的多目标优化，可持续城市社会，2，1，1-7（2012）·doi:10.1016/j.scs.2011.09.001 [32] 张，Q。；刘伟。；Tsang，E。；Virginas，B.，采用高斯过程模型的MOEA/D进行昂贵的多目标优化，IEEE Trans-Evol Compute，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。