文献

J-GLOBAL ID：201802223795025640   整理番号：18A0492596

高価なブラックボックス関数のための空間還元(HSOSR)を用いたハイブリッド代理ベース最適化【Powered by NICT】

Hybrid surrogate-based optimization using space reduction (HSOSR) for expensive black-box functions

著者 (4件)： Dong Huachao (School of Marine Science and Technology, Northwestern Polytechnical University, Xi’an, 710072, China) ,  Song Baowei (School of Marine Science and Technology, Northwestern Polytechnical University, Xi’an, 710072, China) ,  Wang Peng (School of Marine Science and Technology, Northwestern Polytechnical University, Xi’an, 710072, China) ,  Dong Zuomin (Department of Mechanical Engineering, University of Victoria, Victoria, BC, Canada)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 64  ページ： 641-655  発行年： 2018年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,代理ベース大域的最適化アルゴリズムHSOSRを示し,ボックス制約を伴う高価なブラックボックス最適化問題を解くことができる。大規模マルチモーダル問題における探索の困難さを減少させるために,ハイブリッド代用に基づく空間還元法を提案した。Krigingと動径基底関数(RBF)を用いて,真の高価な問題を近似した。多数のサンプルは,二種の代理物からの予測値を得るためにラテン超方格サンプリングにより生成される。クリギングとRBF(動径基底関数)からのこれらの予測値の大きさによると,すべての試料を分類した。クリギングとRBF(動径基底関数)からの二種の潜在的に良好な領域は,これらの試料のランクに基づいて識別される,そして二部分空間も作成した。クリギングとRBF(動径基底関数)モデルは常に多予測最適解を産み出すので,二つの部分空間における補助試料を交互に提案したマルチスタート最適化アルゴリズム。に加えて,新しく追加された試料はサンプリング多様性のために定義された距離基準を満足する必要がある。アルゴリズムは局所谷に,クリギングの推定された平均二乗誤差をまばらにサンプリング面積を調べるためにマルチスタート最適化戦略により最大化した。10低次元と5高次元ベンチマークケースはHSOSRを試験した。さらに,5代理ベース大域的最適化アルゴリズムも対照として試験した。良く知られた効率的な大域的最適化(EGO)法と比較して,HSOSRは計算効率に50%以上の改善を達成した。要約すると,HSOSRは高効率とマルチモーダル高価なブラックボックス最適化問題を取り扱う上で強いロバスト性を持っている。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 高次元 ,  *最適化 ,  クリギング ,  予測 ,  動径基底関数 ,  *ブラックボックス ,  多モード ,  アルゴリズム ,  ロバスト性 ,  最適化問題
準シソーラス用語： 計算効率 ,  最適アルゴリズム ,  最適解 ,  部分空間 ,  大域的最適化 , 【Automatic Indexing@JST】

著者キーワード (5件)： クリギング ,  RBF(動径基底関数) ,  空間低減 ,  マルチモーダル問題 ,  マルチスタート最適化

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ブラックボックス ,  関数 ,  還元 ,  最適化