Knowledge Commons of Institute of Automation，CAS
| 基于剪枝堆栈泛化的离线数据驱动进化优化 | |
| 梁正平; 黄锡均; 李燊钿; 王喜瑜; 朱泽轩 | |
| 发表期刊 | 自动化学报
 |
| ISSN | 0254-4156 |
| 2023 | |
| 卷号 | 49期号:6页码:1306-1325 |
| 摘要 | 现实世界中存在很多目标函数的计算非常昂贵,甚至目标函数难以建模的复杂优化问题.常规优化方法在解决此类问题时要么无从入手,要么效率低下.离线数据驱动的进化优化方法不需对真实目标函数进行评估,跳出了传统优化方法的固铚,极大推动了昂贵优化问题和不可建模优化问题的求解.但离线数据驱动进化优化的效果严重依赖于所采用代理模型的质量.为提升离线数据驱动进化优化的性能,提出了一个基于剪枝堆栈泛化(Stacked generalization, SG)代理模型构建方法.具体而言,一方面基于异构的基学习器建立初级模型池,再采用学习方式对各初级模型进行组合,以提升代理模型的通用性和准确率.另一方面基于等级保护指标对初级模型进行剪枝,在提高初级模型集成效率的同时进一步提升最终代理模型的准确率,并更好地指导种群的搜索.为验证所提方法的有效性,与7个最新的离线数据驱动的进化优化算法在12个基准测试问题上进行对比,实验结果表明所提出的方法具有明显的优势. |
| 关键词 | 堆栈泛化 代理模型 离线数据驱动优化 进化计算 |
| DOI | 10.16383/j.aas.c220387 |
| 引用统计 | |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.ia.ac.cn/handle/173211/56140 |
| 专题 | 学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 梁正平,黄锡均,李燊钿,等. 基于剪枝堆栈泛化的离线数据驱动进化优化[J]. 自动化学报,2023,49(6):1306-1325. |
| APA | 梁正平,黄锡均,李燊钿,王喜瑜,&朱泽轩.(2023).基于剪枝堆栈泛化的离线数据驱动进化优化.自动化学报,49(6),1306-1325. |
| MLA | 梁正平,et al."基于剪枝堆栈泛化的离线数据驱动进化优化".自动化学报 49.6(2023):1306-1325. |
| 条目包含的文件 | 下载所有文件 | |||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| AAS-CN-2022-0387.pdf（2386KB） | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 | |
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [梁正平]的文章 |
| [黄锡均]的文章 |
| [李燊钿]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [梁正平]的文章 |
| [黄锡均]的文章 |
| [李燊钿]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [梁正平]的文章 |
| [黄锡均]的文章 |
| [李燊钿]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论