| 两阶段模型协同搜索的昂贵多目标进化优化 |
| |
| 作者姓名： | 刘晓彤 孙超利 王浩 谢刚 |
| |
| 作者单位： | 太原科技大学电子信息工程学院,山西太原 030024;太原科技大学计算机科学与技术学院,山西太原 030024 |
| |
| 基金项目： | 国家自然科学基金面上项目(61876123), 山西省重点研发计划项目(202102020101002)资助. |
| |
| 摘 要： | 近年来,昂贵多目标优化问题的求解获得了越来越多的关注.然而,随着决策空间维度的升高,模型的有效性和准确性很难保证.因此,本文提出了一种两阶段模型协同搜索的昂贵多目标进化优化.在该方法中,每轮种群进化前构建全局模型,以辅助加快对最优解集的搜索.随后,利用搜索到的种群选择其邻域样本训练局部模型,对二者集成辅助算法进行进一步搜索.最后,提出基于不确定度的填充采样策略选点,进行真实评价.为了验证算法的有效性,将本文算法与4个算法分别在DTLZ和MaF测试集以及两个实际问题上进行比较,实验结果表明其具有良好的性能.
|
| 关 键 词： | 多目标优化 昂贵优化问题 集成模型 协同搜索 填充采样策略 |
| 收稿时间： | 2022-12-20 |
| 修稿时间： | 2024-07-05 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《控制理论与应用》浏览原始摘要信息 |
|
点击此处可从《控制理论与应用》下载免费的PDF全文 |
|
