文献

J-GLOBAL ID：201802252119945911   整理番号：18A0622016

SCGOSR:空間縮小を用いた代理に基づく制約付き大域的最適化【Powered by NICT】

SCGOSR: Surrogate-based constrained global optimization using space reduction

著者 (4件)： Dong Huachao (School of Marine Science and Technology, Northwestern Polytechnical University, Xi’an, 710072, China, China) ,  Song Baowei (School of Marine Science and Technology, Northwestern Polytechnical University, Xi’an, 710072, China, China) ,  Dong Zuomin (Department of Mechanical Engineering, University of Victoria, Victoria, BC, Canada) ,  Wang Peng (School of Marine Science and Technology, Northwestern Polytechnical University, Xi’an, 710072, China, China)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 65  ページ： 462-477  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： 計算的に高価な目的と制約条件を有する大域的最適化問題である挑戦的である。本研究では,少ない目的関数と制約関数評価で大域的な最適を見つけることができることを新しいKrigingベース制約付き大域最適化アルゴリズムSCGOSRを提示した。SCGOSRでは,クリギングから約局所最適点を捕捉し,更新のための有望なものを選択できるマルチスタート制約付き最適化アルゴリズムを提案した。添加では,二種類のペナルティ関数によれば,二部分空間は,局所代理モデルを構築し,局所探索をスピードアップするために作成した。Subspace1を示した最良解の近傍であり,Subspace2はいくつかの有望な試料をカバーする領域である。提案したマルチスタート制約付最適化はSubspace1,Subspace2と地球空間における交互に行った。反復進行により,高価な目的と制約のクリギングモデルを動的に更新した。局所的および大域的な探索の間のバランスを保証するために,クリギングの推定された平均二乗誤差は,未知の設計空間を調べた。SCGOSRは局所谷に,アルゴリズムをまばらにサンプリング領域に焦点を当てた。代表症例13例について6代理ベース最適化アルゴリズムとの比較後,SCGOSRは計算的に高価なブラックボックス問題を扱うの顕著な利点を示した。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： ペナルティ関数 ,  アルゴリズム ,  ブラックボックス ,  クリギング ,  目的関数 ,  *最適化 ,  近傍探索法
準シソーラス用語： 最適アルゴリズム ,  設計空間 ,  平均二乗誤差 ,  Krigingモデル ,  代用モデル ,  制約付最適化 ,  関数評価 ,  *大域的最適化 , 【Automatic Indexing@JST】

著者キーワード (5件)： 制約された最適化 ,  クリギングモデル ,  空間低減 ,  高価なブラックボックス問題 ,  ペナルティ関数

分類 (2件)： 数値計算  (JE02000J) ,  その他のオペレーションズリサーチの手法  (KA03070E)

タイトルに関連する用語 (3件)： 空間縮小 ,  制約 ,  大域的最適化