Knowledge Commons of Institute of Automation,CAS
模型辅助的计算费时进化高维多目标优化 | |
孙超利; 李贞; 金耀初 | |
发表期刊 | 自动化学报 |
ISSN | 0254-4156 |
2022 | |
卷号 | 48期号:4页码:1119-1128 |
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 |
DOI | 10.16383/j.aas.c200969 |
引用统计 | |
文献类型 | 期刊论文 |
条目标识符 | http://ir.ia.ac.cn/handle/173211/56377 |
专题 | 学术期刊_自动化学报 |
推荐引用方式 GB/T 7714 | 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[J]. 自动化学报,2022,48(4):1119-1128. |
APA | 孙超利,李贞,&金耀初.(2022).模型辅助的计算费时进化高维多目标优化.自动化学报,48(4),1119-1128. |
MLA | 孙超利,et al."模型辅助的计算费时进化高维多目标优化".自动化学报 48.4(2022):1119-1128. |
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-2020-0969.pdf(1297KB) | 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 |
[孙超利]的文章 |
[李贞]的文章 |
[金耀初]的文章 |
百度学术 |
百度学术中相似的文章 |
[孙超利]的文章 |
[李贞]的文章 |
[金耀初]的文章 |
必应学术 |
必应学术中相似的文章 |
[孙超利]的文章 |
[李贞]的文章 |
[金耀初]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