约束多目标黑箱优化的高效搜索策略
最优化与控制
2025-04-07 v1
摘要
多目标黑箱优化处理的是其中目标函数和约束函数为数值仿真输出的问题。在此背景下，无法获得梯度，也无法通过有限差分近似，从而禁止使用经典的梯度-based 技术。DMulti-MADS 算法实现了一种基于网格自适应直接搜索 (MADS) 算法的多目标黑箱优化的国际先进直接搜索程序。自该算法提出以来，已提出许多搜索策略以提高单目标 MADS 算法的实际效率。受此前研究的启发，本工作提出将两种搜索启发式方法集成到 DMulti-MADS 算法中。第一种方法利用由先前评估点构建的二次模型，作为真实目标和约束的代理，以建议新的有前景的候选点。第二种方法利用 Nelder-Mead 算法的采样策略，在决策空间中探索以寻找新的非支配点。在分析问题和三个工程应用上的计算实验表明，此类搜索步骤显著提高了 DMulti-MADS 算法的性能。
关键词
引用
@article{arxiv.2504.02986,
title = {Efficient search strategies for constrained multiobjective blackbox optimization},
author = {Sébastien Le Digabel and Antoine Lesage-Landry and Ludovic Salomon and Christophe Tribes},
journal= {arXiv preprint arXiv:2504.02986},
year = {2025}
}