代理模型辅助进化算法在高维优化问题中的应用

作     者：田杰 谭瑛 孙超利 曾建潮 TIAN Jie;TAN Ying;SUN Chao-li;ZENG Jian-chao

作者机构：太原科技大学机械工程学院山西太原030024 山东女子学院数据科学与计算机学院山东济南250300 太原科技大学计算机科学与技术学院山西太原030024 中北大学计算机与控制工程学院山西太原030051 

出 版 物：《机械设计与制造》 (Machinery Design & Manufacture)

年 卷 期：2018年第12期

页      面：269-272页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 080201[工学-机械制造及其自动化] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然基金(61472269 61403272) 山西省自然科学基金(201601D021083) 山西省留学回国人员科技活动择优资助项目(201712) 

主　　题：高维费时问题 代理模型辅助的进化算法 加点规则 

摘      要：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。