基于协同进化策略的大规模昂贵优化算法  

作　　者：付国霞 FU Guoxia

机构地区：[1]太原学院计算机科学与技术系,山西太原030032

出　　处：《信息技术与信息化》2024年第10期85-88,共4页Information Technology and Informatization

基　　金：山西省高等学校科技创新计划项目(2023L177);太原学院院级科研项目(23TYQN10)。

摘　　要：随着工程或者科学问题的复杂化,优化问题的维度日益增高,导致有些问题评价一次候选解的时间很长,而进化算法在获得最优解的过程中需要进行大量的目标函数评价,因此其无法直接应用于求解大规模昂贵优化问题。代理模型辅助的进化算法可以有效地解决昂贵优化问题,但是随着问题维度的增高,训练一个准确的代理模型需要的样本也会增多,这对于大规模问题显然是难以完成的。为此,利用随机分组将大规模优化问题分成若干个低维度的子问题,通过代理模型对每个子问题进行优化,以此不断迭代搜索得到最优解。为了验证算法的有效性,在CEC'2013的15个基准测试问题上进行了测试,实验结果表明,所提出的算法在求解大规模昂贵优化问题上效果十分显著。

关 键 词：大规模优化问题 代理模型 昂贵问题 随机分组 协同进化 RBFN 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] O224[自动化与计算机技术—控制科学与工程]