基于Kriging模型的改进型NSGA-Ⅲ解决昂贵优化问题
在许多实际的优化问题中,为了进行适应度评估,其物理实验或数值仿真代价高昂,这给大多数现有的多 目标进化算法(EAs)带来了巨大挑战.因此,文中提出了一种基于克里金模型辅助的改进参考点引导进化的优化算法,用于解决昂贵的超多 目标优化问题.具体而言,根据种群的空间分布特征,借助关联点的熵差信息筛选参考点引导进化,以达到探索与开发的平衡.所提出的代理辅助进化算法(SAEA)使用克里金法来逼近每个目标函数,而无需进行原始昂贵的函数评估从而降低了计算成本.模型管理中采用一种纯指标填充采样准则,借助收敛性、多样性指标确定适当采样策略并使用昂贵目标函数对采样解进行真实评估以提升种群收敛与算法优化的效率.对具有3个以上目标的80个DTLZ与 WFG基准测试问题进行了对比研究,证明了此算法的有效性和可行性.
昂贵耗时问题、进化算法、代理辅助多 目标优化、Kriging模型、模型管理
50
TP183(自动化基础理论)
国家自然科学基金51977100
2023-07-18(万方平台首次上网日期,不代表论文的发表时间)
共13页
194-206