| 模型辅助的计算费时进化高维多目标优化 |
| |
| 引用本文： | 孙超利, 李贞, 金耀初. 模型辅助的计算费时进化高维多目标优化. 自动化学报, 2022, 48(4): 1119−1128 doi: 10.16383/j.aas.c200969 |
| |
| 作者姓名： | 孙超利 李贞 金耀初 |
| |
| 作者单位： | 1.太原科技大学计算机科学与技术学院 太原 030024 中国;;2.萨里大学计算机科学系 吉尔福德 GU2 7XH 英国 |
| |
| 基金项目： | 国家自然基金(61876123);;山西省自然科学基金(201901D111262,201901D111264)资助~~; |
| |
| 摘 要： | 
代理模型能够辅助进化算法在计算资源有限的情况下加快找到问题的最优解集, 因此建立高效的代理模型辅助多目标进化搜索逐渐受到了重视. 然而随着目标数量的增加, 对每个目标分别建立高斯过程模型时个体整体估值的不确定度会随之增加. 因此通过对模型最优解集的搜索探索原问题潜在的非支配解集, 并基于个体的收敛性, 种群的多样性和估值的不确定度, 提出了一种新的期望提高计算方法, 用于辅助从潜在的非支配解集中选择使用真实目标函数计算的个体, 从而更新代理模型, 能够在有限的计算资源下更有效地辅助优化算法找到好的非支配解集. 在7个DTLZ 基准测试问题上的实验对比结果表明, 该算法在求解计算费时高维多目标优化问题上是有效的, 且具有较强的竞争力.
|
| 关 键 词： | 高维多目标优化 代理模型 计算费时问题 填充准则 |
| 收稿时间： | 2020-11-22 |
|
| 点击此处可从《自动化学报》浏览原始摘要信息 |
|
点击此处可从《自动化学报》下载免费的PDF全文 |
|
