基于协同进化策略的大规模昂贵优化算法

作     者：付国霞 

作者机构：太原学院计算机科学与技术系 

出 版 物：《信息技术与信息化》 (Information Technology and Informatization)

年 卷 期：2024年第10期

页      面：85-88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)] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 070105[理学-运筹学与控制论] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：山西省高等学校科技创新计划项目(2023L177) 太原学院院级科研项目(23TYQN10) 

主　　题：大规模优化问题 代理模型 昂贵问题 随机分组 协同进化 RBFN 

摘      要：随着工程或者科学问题的复杂化，优化问题的维度日益增高，导致有些问题评价一次候选解的时间很长，而进化算法在获得最优解的过程中需要进行大量的目标函数评价，因此其无法直接应用于求解大规模昂贵优化问题。代理模型辅助的进化算法可以有效地解决昂贵优化问题，但是随着问题维度的增高，训练一个准确的代理模型需要的样本也会增多，这对于大规模问题显然是难以完成的。为此，利用随机分组将大规模优化问题分成若干个低维度的子问题，通过代理模型对每个子问题进行优化，以此不断迭代搜索得到最优解。为了验证算法的有效性，在CEC 2013的15个基准测试问题上进行了测试，实验结果表明，所提出的算法在求解大规模昂贵优化问题上效果十分显著。