基于改进EGO算法的黑箱函数全局最优化

• 作者: 尹素菊 王彦
• 来源期刊: 计算机应用研究
• 关键词: 计算机实验设计 Kriging模型 EI方法 全局最优化
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 764-767
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.03.028

摘要

基于Kriging模型的EGO算法是一种适用于黑箱函数求极值的全局最优化算法,但该算法忽略了对Kriging模型精度的控制.针对该算法的不足之处,提出了兼顾Kriging模型精度与模型寻优的迭代函数,并将改进后的EGO算法应用于五个检验函数及一个存货模型,从Kriging模型精度及优化结果两方面对改进前后的算法进行比较.结果表明,改进后的EGO算法提高了最终Kriging模型的精度,并在对目标函数进行少量估值的情况下获得了更为全局化的最优解.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹素菊	北京工业大学应用数理学院	8	102	4.0	8.0
2	王彦	北京工业大学应用数理学院	3	9	1.0	3.0