典型文献
基于改进集成学习分类的代理辅助进化算法
文献摘要：
当使用代理辅助进化算法求解昂贵高维多目标优化问题时,代理模型通常用于近似昂贵的适应度函数.然而,随着目标数的增加,近似误差将逐渐累积,计算量也会急剧增加.对此,提出一种基于改进集成学习分类的代理辅助进化算法,使用一种改进的装袋集成学习分类器作为代理模型.首先,从被昂贵的适应度评价的个体中选择一组分类边界,将所有个体分成两类;其次,利用这些带有分类标签的个体训练分类器,以对候选个体的类别进行预测;最后,选择有前途的个体进行昂贵适应度评价.实验结果表明,算法中所提出的代理模型可有效提高基于分类的代理辅助进化算法求解昂贵高维多目标优化问题的能力,且与目前流行的代理辅助进化算法相比,基于改进集成学习分类的代理辅助进化算法更具竞争力.
文献关键词：
昂贵高维多目标优化;代理辅助进化算法;代理模型;集成学习;装袋法;分类器
中图分类号：
作者姓名：
顾清华;张晓玥;陈露
作者机构：
西安建筑科技大学管理学院,西安710055;西安市智慧工业感知计算与决策重点实验室,西安710055
文献出处：
引用格式：
[1]顾清华;张晓玥;陈露-.基于改进集成学习分类的代理辅助进化算法)[J].控制与决策,2022(10):2456-2466
A类：
昂贵高维多目标优化,装袋法
B类：
改进集,集成学习,代理辅助进化算法,多目标优化问题,代理模型,适应度函数,计算量,学习分类器,适应度评价,前途
AB值：
0.099994
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。
