中規模拡張多目的最適化問題のための代理支援進化アルゴリズム【JST・京大機械翻訳】

Ruan Xiaoran; Li Ke; Derbel Bilel; Liefooghe Arnaud

プレプリント

J-GLOBAL ID：202202216669882600 整理番号：22P0109434

中規模拡張多目的最適化問題のための代理支援進化アルゴリズム【JST・京大機械翻訳】

Surrogate Assisted Evolutionary Algorithm for Medium Scale Expensive Multi-Objective Optimisation Problems

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年02月08日プレプリントサーバーでの情報更新日： 2020年02月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

目的関数の代理モデルの構築は,計算的に高価な数値シミュレーションあるいは高価な物理的実験のいずれかを含む実世界の複雑な最適化問題を解くための進化アルゴリズム(EA)を支援するのに有効であることが示された。しかし,それらの有効性は,ほとんど10決定変数より少ない小規模問題に焦点を合わせる。代理支援EA(SAEA)のスケーラビリティはまだ十分に研究されていない。本論文では,50決定変数までの中規模の高価な多目的最適化問題に対して,Gaussプロセス代理モデル支援EAを提案した。提案したSAEAの3つの明確な特徴がある。第1に,代理モデル構築におけるすべての決定変数を使用する代わりに,著者らは,それぞれの目的関数のために代理モデルを構築するために,それらの相関するものだけを使用した。第2に,代理目的関数を直接最適化するよりも,元の多目的最適化問題を代理モデルに基づいて新しいものに変換する。最後に,最小ではなく,部分集合選択法を開発し,実際の目的関数評価のための有望な候補解の対を選択し,訓練データセットを更新した。提案アルゴリズムの有効性を,3つの最先端のSAEAと比較して,10,20,50変数でベンチマーク問題で検証した。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

数理計画法

, , , ,

前のページに戻る