动态Kriging优化算法求解昂贵约束优化问题

• 作者: 张海 李枚毅 肖建 蔡霞
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: Kriging 代理模型 拉丁超立方体 昂贵约束问题
• 年，卷（期）: 2013,（7）
• 所属期刊栏目: 信息安全与算法研究
• 页码范围: 1659-1663
• 页数: 5页
• 分类号: TP18
• 字数: 4110字
• 语种: 中文

摘要

针对昂贵单目标约束优化中真实模型计算费时且现有算法收敛速度慢的问题,提出了动态Krging优化算法以提高计算效率.该算法首先将所有约束条件转换为一个约束函数,然后采用拉丁超立方体采样(LHS)法进行采样,分别建立真实模型目标函数和约束函数的Kriging代理模型,同时结合真实模型对代理模型估计进行误差矫正,采用非支配个体选择、保留和替换机制不断更新样本库和Kriging代理模型.最后将进化最优种群代入真实模型计算其最优值.通过13个标准函数测试表明该算法具有较高的精确度和稳健性,明显减少了真实模型的评价次数.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张海	湘潭大学信息工程学院	3	2	1.0	1.0
2	李枚毅	湘潭大学信息工程学院	28	186	6.0	13.0
3	蔡霞	湘潭大学信息工程学院	2	10	2.0	2.0
4	肖建	湘潭大学信息工程学院	2	10	2.0	2.0