典型文献
全局与局部模型交替辅助的差分进化算法
文献摘要：
为求解实际复杂工程应用中的高维计算费时优化问题,提出一种全局与局部代理模型交替辅助的差分进化算法.利用历史样本训练全局和局部代理模型,通过交替搜索全局和局部代理模型得到模型最优解并对其进行真实目标函数评价,实现探索和开采的平衡以减少真实目标函数的计算次数,同时通过针对性地选择个体进行真实目标函数计算,辅助算法快速找到目标函数的较优解.在15个低维测试问题和14个高维测试问题上的实验结果表明,在有限的计算资源情况下,该算法在12个低维测试问题上相较于最优重启策略代理辅助的社会学习粒子群优化算法、基于主动学习的代理模型辅助的粒子群优化算法等表现更好,在7个高维测试问题上相较于高斯过程辅助的进化算法、代理模型辅助的分层粒子群优化算法、求解高维费时问题的代理辅助的多种群优化算法等能找到目标函数的更优解.
文献关键词：
全局代理模型;局部代理模型;差分进化算法;计算费时优化问题;径向基函数网络
中图分类号：
作者姓名：
于成龙;付国霞;孙超利;张国晨
作者机构：
太原科技大学 计算机科学与技术学院,太原 030024
文献出处：
引用格式：
[1]于成龙;付国霞;孙超利;张国晨-.全局与局部模型交替辅助的差分进化算法)[J].计算机工程,2022(03):115-123
A类：
计算费时优化问题,局部代理模型,探索和开采,多种群优化算法,全局代理模型
B类：
局部模型,差分进化算法,复杂工程,高维,样本训练,最优解,低维,试问,计算资源,资源情况,重启,代理辅助,社会学习,粒子群优化算法,主动学习,模型辅助,高斯过程,径向基函数网络
AB值：
0.169119
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
