期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
基于不确定度采样准则的费时问题优化算法
1
作者 孙超利 李婵 +2 位作者 秦淑芬 张国晨 李晓波 《控制与决策》 EI CSCD 北大核心 2022年第6期1541-1549,共9页
在实际工程和控制领域中,许多优化问题的性能评价是费时的,由于进化算法在获得最优解之前需要大量的目标函数评价,无法直接应用其求解这类费时问题.引入代理模型以辅助进化算法是求解计算费时优化问题的有效方法,如何采样新个体对其进... 在实际工程和控制领域中,许多优化问题的性能评价是费时的,由于进化算法在获得最优解之前需要大量的目标函数评价,无法直接应用其求解这类费时问题.引入代理模型以辅助进化算法是求解计算费时优化问题的有效方法,如何采样新个体对其进行真实的目标函数评价是影响代理模型辅助的进化算法寻优性能的重要因素.鉴于此,利用径向基函数神经网络作为代理模型辅助进化算法,提出一种新的不确定度计算方法,同时结合模型估值构造一种新的填充采样准则以自主地选择新的采样点,从而引导算法在评价次数有限的情况下尽可能地找到目标函数值较好的解.所提出算法与近年来针对计算费时问题的优化算法在7个高达100维的基准问题上进行测试比较,实验结果表明所提出算法在相同评价次数下可以获得更好的优化结果. 展开更多
关键词 代理模型 进化算法 计算费时问题 不确定度 填充采样准则 径向基函数神经网络
原文传递
模型辅助的计算费时进化高维多目标优化 被引量:8
2
作者 孙超利 李贞 金耀初 《自动化学报》 EI CAS CSCD 北大核心 2022年第4期1119-1128,共10页
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... 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. 展开更多
关键词 高维多目标优化 代理模型 计算费时问题 填充准则
下载PDF
代理模型辅助进化算法在高维优化问题中的应用 被引量:6
3
作者 田杰 谭瑛 +1 位作者 孙超利 曾建潮 《机械设计与制造》 北大核心 2018年第12期269-272,共4页
目前,代理模型辅助的进化算法是提高复杂优化问题的计算效率的一种有效手段。其中,模型管理在代理辅助进化优化中起着至关重要的作用。提出了一种基于多目标加点规则的高斯过程模型辅助社会微粒群算法(Multi-objective infill criterion... 目前,代理模型辅助的进化算法是提高复杂优化问题的计算效率的一种有效手段。其中,模型管理在代理辅助进化优化中起着至关重要的作用。提出了一种基于多目标加点规则的高斯过程模型辅助社会微粒群算法(Multi-objective infill criterion based Gaussian Process model assisted Social learning particle swarm optimization,MICGP-SLPSO)。将多目标的方法引入模型管理中,提出多目标加点规则,进而发展了一种新的基于代理模型的微粒群算法优化策略。选用高斯过程构造代理模型,采用微粒群算法对所构造的代理模型进行优化,根据已知信息,将期望改进准则(EI)及统计下限最小值准则LCB作为两个目标,用来确定哪些候选解进行实际计算。将本优化策略用于基准函数测试问题和阶梯悬臂梁设计优化实例,并与国内外现有研究成果进行比较,证明了MICGP-SLPSO在有限的适应值计算次数下拥有更好的寻优性能,尤其是在高维优化问题上拥有更显著的优势。 展开更多
关键词 高维费时问题 代理模型辅助的进化算法 加点规则
下载PDF
基于参考向量关联估计的离线多目标优化算法
4
作者 李睿 孙超利 张国晨 《计算机与数字工程》 2024年第9期2577-2582,共6页
很多实际工程和科学问题都是计算费时的多目标优化问题,这类问题中每个候选解的评价往往都非常费时,因此仅允许使用少量真实评价。论文采用离线数据驱动的进化算法求解计算费时多目标优化问题,以期节省优化时间。论文通过训练代理模型... 很多实际工程和科学问题都是计算费时的多目标优化问题,这类问题中每个候选解的评价往往都非常费时,因此仅允许使用少量真实评价。论文采用离线数据驱动的进化算法求解计算费时多目标优化问题,以期节省优化时间。论文通过训练代理模型来估计候选解的收敛性,采用最近邻样本估计候选解与参考向量的关联关系,减少了使用目标估值计算候选解与参考向量夹角大小所产生的误差累积。使用DTLZ测试集验证论文算法的有效性,论文算法与离线数据驱动的优化算法MS-RV以及三个经典在线数据驱动优化算法进行对比,实验结果表明论文提出的算法在保证性能的前提下,可以减少使用真实的评价次数。 展开更多
关键词 计算费时的多目标优化问题 代理模型 离线数据驱动优化 最近邻估计
下载PDF
基于代理模型可行规则法的优化算法
5
作者 张慧晶 张国晨 +1 位作者 谭瑛 孙超利 《太原科技大学学报》 2021年第6期429-433,440,共6页
针对约束优化问题中约束函数计算费时的情况,提出使用代理模型拟合待优化约束函数的方法。该方法先求解个体所有约束违反度并求和,然后建立代理模型预测个体的约束违反度之和,并根据可行规则法筛选最优解。最后采用CEC2017约束测试函数... 针对约束优化问题中约束函数计算费时的情况,提出使用代理模型拟合待优化约束函数的方法。该方法先求解个体所有约束违反度并求和,然后建立代理模型预测个体的约束违反度之和,并根据可行规则法筛选最优解。最后采用CEC2017约束测试函数,与不加代理模型的优化算法对比,验证了该方法的有效性,提高了优化结果和进化算法效率。 展开更多
关键词 费时问题 约束优化 进化算法 代理模型
下载PDF
代理模型辅助的初始可行解产生方法
6
作者 朱珂 张国晨 +1 位作者 谭瑛 孙超利 《太原科技大学学报》 2022年第1期1-6,14,共7页
采用约束保持法求解单目标约束优化问题时,初始化产生可行解的过程存在计算费时问题。因此提出了代理模型辅助的初始可行解产生方法,采用径向基函数构建代理模型,在初始解的产生过程中,预先使用代理模型估计试验粒子的约束冲突值,若满... 采用约束保持法求解单目标约束优化问题时,初始化产生可行解的过程存在计算费时问题。因此提出了代理模型辅助的初始可行解产生方法,采用径向基函数构建代理模型,在初始解的产生过程中,预先使用代理模型估计试验粒子的约束冲突值,若满足约束才进行实际计算,从而减少粒子的评价次数以提高算法效率。采用该方法对多个标准函数进行测试,结果表明,与现有算法相比,所提算法生成相同数量的可行解评价次数会大大减少。该算法可以有效解决利用约束保持法求解单目标约束优化问题时初始解产生耗时的问题。 展开更多
关键词 约束保持法 单目标约束优化 计算费时问题 代理模型 径向基函数
下载PDF
全局与局部模型交替辅助的差分进化算法 被引量:4
7
作者 于成龙 付国霞 +1 位作者 孙超利 张国晨 《计算机工程》 CAS CSCD 北大核心 2022年第3期115-123,共9页
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... 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。 展开更多
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
下载PDF
基于多点加点准则的代理模型辅助社会学习微粒群算法 被引量:7
8
作者 田杰 孙超利 +1 位作者 谭瑛 曾建潮 《控制与决策》 EI CSCD 北大核心 2020年第1期131-138,共8页
代理模型辅助的进化算法目前已广泛用于解决计算代价高的复杂优化问题.然而,大多数现有的代理辅助进化算法只适用于低维问题且仍然需要数千次昂贵的真实适应值评价来获得较优解.为此,提出一种基于多点加点准则的代理模型辅助的社会学习... 代理模型辅助的进化算法目前已广泛用于解决计算代价高的复杂优化问题.然而,大多数现有的代理辅助进化算法只适用于低维问题且仍然需要数千次昂贵的真实适应值评价来获得较优解.为此,提出一种基于多点加点准则的代理模型辅助的社会学习微粒群算法,用于解决高维问题并使用更少的评价次数.该算法选用高斯过程构造代理模型,以社会学习微粒群算法(SLPSO)作为优化器,提出一种基于相似度的多点加点规则(SMIC),用于选取需要使用原函数进行实际计算的候选解.在仿真实验中将该方法与现有研究成果进行比较,通过对50维~100维的基准函数的测试,验证了所提出算法在有限的适应值计算次数下拥有更好的寻优性能,尤其是在高维优化问题上拥有更显著的优势. 展开更多
关键词 高维费时问题 代理模型辅助的进化算法 加点规则 相似度 代理模型
原文传递
Simplifying the Nonlinear Continuous Time-Cost Tradeoff Problem
9
作者 SU Zhixiong QI Jianxun WEI Hanying 《Journal of Systems Science & Complexity》 SCIE EI CSCD 2017年第4期901-920,共20页
Equivalent simplification is an effective method for solving large-scale complex problems. In this paper, the authors simplify a classic project scheduling problem, which is the nonlinear continuous time-cost tradeoff... Equivalent simplification is an effective method for solving large-scale complex problems. In this paper, the authors simplify a classic project scheduling problem, which is the nonlinear continuous time-cost tradeoff problem(TCTP). Simplifying TCTP is a simple path problem in a critical path method(CPM) network. The authors transform TCTP into a simple activity float problem and design a complex polynomial algorithm for its solution. First, the authors discover relationships between activity floats and path lengths by studying activity floats from the perspective of path instead of time.Second, the authors perform simplification and improve the efficiency and accuracy of the solution by deleting redundant activities and narrowing the duration intervals of non-redundant activities. Finally,the authors compare our method with current methods. The relationships between activity floats and path lengths provide new approaches for other path and correlative project problems. 展开更多
关键词 Activity floats CPM networks operational research SIMPLIFICATION time-cost tradeoff.
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部