基于参考向量关联估计的离线多目标优化算法
李睿
孙超利
张国晨
太原科技大学计算机科学与技术学院 太原 030024
摘要：很多实际工程和科学问题都是计算费时的多目标优化问题,这类问题中每个候选解的评价往往都非常费时,因此仅允许使用少量真实评价.论文采用离线数据驱动的进化算法求解计算费时多目标优化问题,以期节省优化时间.论文通过训练代理模型来估计候选解的收敛性,采用最近邻样本估计候选解与参考向量的关联关系,减少了使用目标估值计算候选解与参考向量夹角大小所产生的误差累积.使用DTLZ测试集验证论文算法的有效性,论文算法与离线数据驱动的优化算法MS-RV以及三个经典在线数据驱动优化算法进行对比,实验结果表明论文提出的算法在保证性能的前提下,可以减少使用真实的评价次数.
关键词：计算费时的多目标优化问题代理模型离线数据驱动优化最近邻估计
分类号：TP301.6(计算技术、计算机技术)
资助基金：国家自然科学基金(61876123)山西省平台基地和人才专项优秀人才科技创新项目(201805D211028)山西省自然科学基金(201901D111262)山西省自然科学基金(201901D111264)多模态认知计算安徽省重点实验室(安徽大学)开放课题(MMC202011)
论文发表日期：2024-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 2577-2582 )
英文信息