带隐藏约束昂贵黑箱问题的自适应代理优化方法

针对带隐藏约束的昂贵黑箱全局优化问题,提出采用自适应转换搜索策略的代理优化方法。在转换搜索子步中采用与已估值点个数相关的标准差在当前最优点附近通过随机扰动生成候选点,以更好地平衡局部搜索和全局搜索。为更好地近似真实黑箱目标函数,采用了自适应组合目标代理模型。在50个测试问题上进行了数值实验,计算结果说明了所提算法的有效性。

Formal Verification under Unknown Constraints

We present a formal method of verifying designs with unknown constraints (e.g., black boxes) using Boolean satisfiability (SAT). This method is based on a new encoding scheme of unknown constraints, and solves the corresponding conjunctive normal form (CNF) formulas.Furthermore,this method can avoid the potential memory explosion, which the binary decision diagram (BDD) based techniques maybe suffer from, thus it has the capacity of verifying large designs. Experimental results demonstrate the efficiency and feasibility of the proposed method.

基于GAN的入侵检测系统对抗样本生成模型

随着人工智能技术的兴起,基于深度学习的网络入侵检测系统已广泛应用,但神经网络模型很容易受到对抗扰动的影响。攻击者通过在网络流量中添加微小的扰动来构建对抗样本,使得入侵检测系统对其错误分类。论文基于GAN进行设计与改进,提出了一种对抗样本生成模型AdvWGAN,该模型针对恶意流量生成满足网络流量特性的对抗性恶意流量,并对黑盒入侵检测系统进行对抗攻击。实验表明:AdvWGAN能够在保证网络流量真实有效的前提下实现对深度学习入侵检测模型的有效黑盒攻击。

基于Kriging模型和两目标约束应对策略的代理优化算法

为了解决包含黑箱约束的复杂工程系统的优化设计问题,提出一种基于Kriging模型和两目标约束应对策略的代理优化算法。该算法将改进目标函数的期望改进准则和刻画可行域边界的可行性概率准则同时作为优化目标,再从得到的Pareto集中选取新试验点,不仅提高了新试验点选取的目的性也使新试验点兼具探索最优解和开发可行域边界的能力。最后,通过两个数学算例和一个工程算例将所提算法与已有算法进行比较,计算结果表明基于两目标约束应对策略的代理优化算法具有更高的优化精度、效率和稳健性。

基于输入输出关系的综合黑盒测试方法

主要针对黑盒测试存在的问题,提出一种测试用例设计方法:根据系统规格说明和系统输入输出之间的关系等附加信息,来确定输入参数之间的覆盖和约束关系,并对参数输入域进行约减;接着对各组合进行处理;仅对各个组合中的输入变量进行两两组合覆盖;对各相关组的结果进行水平拼接组合。实践结果表明,该方法在不影响测试检错能力的情况下有效地提高了测试用例的选择效果。

基于代理优化算法的岸桥轨道夹优化设计

为了优化岸桥轨道夹结构,针对复杂黑箱约束问题,提出一种自适应约束代理优化算法。先使用改善的约束并行期望改进准则(Constrained Parallel Expected Improvement,CPEI)和重要边界采样准则(Importance Boundary Sampling,IBS)探索全局最优解区域,再使用信任域法进行局部开发,并引入客观的约束函数Kriging模型来更新策略,减少不必要的仿真分析,节约了计算成本。通过一个数学算例将所提算法与约束期望改进(Constrained Expected Improvement,CEI)和两目标加点优化算法(Expected Improvement-Probability of Feasibility,EI-PoF)进行比较,结果表明:所提算法收敛更快,精确度更高。

一种带有隐藏约束昂贵黑箱优化问题的改进响应面方法

【目的】提出一种求解带有隐藏约束的昂贵黑箱优化问题的新响应面方法。【方法】对SHEBO算法进行了改进,取消了MADS强化搜索这一步骤,节约了昂贵黑箱目标函数的估值次数,并改善了响应面模型的更新策略,从而提高了算法效率。【结果】得到了新的带有隐藏约束昂贵黑箱优化问题的响应面方法。【结论】通过50个标准的测试问题对新算法的数值表现进行了评估,结果表明新算法优于原有的SHEBO方法。