基于多点加点准则的代理模型辅助社会学习微粒群算法

• 作者: 孙超利 曾建潮 田杰 谭瑛
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 高维费时问题 代理模型辅助的进化算法 加点规则 相似度 代理模型
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 论文与报告
• 页码范围: 131-138
• 页数: 8页
• 分类号: TP273
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2018.0504

摘要

代理模型辅助的进化算法目前已广泛用于解决计算代价高的复杂优化问题.然而,大多数现有的代理辅助进化算法只适用于低维问题且仍然需要数千次昂贵的真实适应值评价来获得较优解.为此,提出一种基于多点加点准则的代理模型辅助的社会学习微粒群算法,用于解决高维问题并使用更少的评价次数.该算法选用高斯过程构造代理模型,以社会学习微粒群算法(SLPSO)作为优化器,提出一种基于相似度的多点加点规则(SMIC),用于选取需要使用原函数进行实际计算的候选解.在仿真实验中将该方法与现有研究成果进行比较,通过对50维～100维的基准函数的测试,验证了所提出算法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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾建潮	太原科技大学机械工程学院	236	2351	26.0	39.0
3	孙超利	太原科技大学计算机科学与技术学院	14	2	1.0	1.0
4	谭瑛	太原科技大学计算机科学与技术学院	46	179	8.0	12.0
5	田杰	太原科技大学机械工程学院	5	38	2.0	5.0