通过随机投影增强面向高维昂贵优化的层次化代理辅助进化算法
神经与进化计算
2021-03-02 v1
摘要
通过显著减少真实适应度评估，代理辅助进化算法（SAEAs），尤其是层次化SAEAs，已被证明能有效求解计算昂贵的优化问题。层次化SAEAs的成功主要得益于其全局代理模型所谓的“不确定性的祝福”的潜在益处以及局部模型的高精度。然而，其在高维问题上的性能仍有提升空间，因为由于巨大的解空间，构建足够精确的局部模型仍具挑战。针对此问题，本研究提出一种新的层次化SAEA，借助随机投影技术训练局部代理模型。新算法不在原始高维解空间中训练，而是先将训练样本随机投影到一组低维子空间，再于各子空间中训练代理模型，最后通过对所得模型取平均实现对候选解的评价。在100与200维的六个基准函数上的实验结果表明，随机投影能显著提升局部代理模型的精度，且所提新层次化SAEA相较最先进的SAEAs具有明显优势。
引用
@article{arxiv.2103.00682,
title = {Enhancing hierarchical surrogate-assisted evolutionary algorithm for high-dimensional expensive optimization via random projection},
author = {Xiaodong Ren and Daofu Guo and Zhigang Ren and Yongsheng Liang and An Chen},
journal= {arXiv preprint arXiv:2103.00682},
year = {2021}
}