典型文献
模型辅助的计算费时进化高维多目标优化
文献摘要：
代理模型能够辅助进化算法在计算资源有限的情况下加快找到问题的最优解集,因此建立高效的代理模型辅助多目标进化搜索逐渐受到了重视.然而随着目标数量的增加,对每个目标分别建立高斯过程模型时个体整体估值的不确定度会随之增加.因此通过对模型最优解集的搜索探索原问题潜在的非支配解集,并基于个体的收敛性,种群的多样性和估值的不确定度,提出了一种新的期望提高计算方法,用于辅助从潜在的非支配解集中选择使用真实目标函数计算的个体,从而更新代理模型,能够在有限的计算资源下更有效地辅助优化算法找到好的非支配解集.在7个DTLZ基准测试问题上的实验对比结果表明,该算法在求解计算费时高维多目标优化问题上是有效的,且具有较强的竞争力.
文献关键词：
高维多目标优化;代理模型;计算费时问题;填充准则
中图分类号：
作者姓名：
孙超利;李贞;金耀初
作者机构：
太原科技大学计算机科学与技术学院 太原030024 中国;萨里大学计算机科学系 吉尔福德GU2 7XH英国
文献出处：
引用格式：
[1]孙超利;李贞;金耀初-.模型辅助的计算费时进化高维多目标优化)[J].自动化学报,2022(04):1119-1128
A类：
填充准则
B类：
模型辅助,高维多目标优化,代理模型,进化算法,计算资源,最优解集,多目标进化,高斯过程模型,估值,不确定度,非支配解,收敛性,DTLZ,基准测试,试问,实验对比,多目标优化问题,计算费时问题
AB值：
0.253382
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。
