面向嵌入可微机器学习模型的仿真基优化的可行路径 SQP 算法
最优化与控制
2025-01-30 v1
摘要
随着人工智能的发展，仿真基优化问题——这一挑战在过程系统工程社区中日益突出——正越来越多地被用于替代基方法。本文提出了一种基于可行路径顺序二次规划（Feasible Path SQP）的确定性算法框架，用于优化嵌入可微机器学习模型的问题。该提议框架有效解决了两个关键挑战：(i) 计算机器学习模型输出相对于输入的一阶和二阶导数；(ii) 通过引入可行路径方法，消除来自机器学习模型代数公式所产生的大量中间变量。建立并优化了六个测试函数和两个过程仿真的替代模型。所有六个测试函数成功地优化到全局最优，表明该框架有效。所有案例的优化时间均未超过 2 秒，凸显了算法的效率。
引用
@article{arxiv.2501.17495,
title = {Feasible Path SQP Algorithm for Simulation-based Optimization Surrogated with Differentiable Machine Learning Models},
author = {Zixuan Zhang and Xiaowei Song and Yujiao Zeng and Jie Li and Yaling Nie and Min Zhu and Jianhua Chen and Linmin Wang and Xin Xiao},
journal= {arXiv preprint arXiv:2501.17495},
year = {2025}
}