基于组合模型的复杂系统超多目标优化算法

代理模型辅助进化算法广泛用于昂贵的复杂工程系统优化设计,能够加速找到问题的最优解集。然而,单个模型预测性能依赖于具体问题,并且随着目标个数的增加,预测性能的不确定性将随之增加。因此,提出一种基于组合模型的复杂系统超多目标优化算法。首先,建立组合代理模型并结合随机参考向量替代机制,以更好地搜索超多目标问题的非支配解集。其次,基于改进的统计下限最小值(LCB)准则及自适应个体选择策略选择优秀个体进行真实评估,以更新组合代理模型,使其能更好地辅助算法找到最优解集。最后,通过所提算法与已有代理模型进化算法在一系列测试函数和工程优化实例上的对比结果表明,所提算法具有良好的性能和潜力。