两阶段模型协同搜索的昂贵多目标进化优化
刘晓彤1
孙超利2
王浩1
谢刚1
1.太原科技大学电子信息工程学院,山西太原 0300242.太原科技大学计算机科学与技术学院,山西太原 030024
摘要：近年来,昂贵多目标优化问题的求解获得了越来越多的关注.然而,随着决策空间维度的升高,模型的有效性和准确性很难保证.因此,本文提出了一种两阶段模型协同搜索的昂贵多目标进化优化.在该方法中,每轮种群进化前构建全局模型,以辅助加快对最优解集的搜索.随后,利用搜索到的种群选择其邻域样本训练局部模型,对二者集成辅助算法进行进一步搜索.最后,提出基于不确定度的填充采样策略选点,进行真实评价.为了验证算法的有效性,将本文算法与4个算法分别在DTLZ和MaF测试集以及两个实际问题上进行比较,实验结果表明其具有良好的性能.
关键词：多目标优化昂贵优化问题集成模型协同搜索填充采样策略
论文发表日期：2024-09-28
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：9( 1676-1684 )
英文信息