替代模型准确度对基于替代模型的演化算法绩效与模型管理策略的影响
神经与进化计算
2026-01-21 v1
摘要
替代模型辅助演化算法 (SAEAs) 被提出用于解决计算成本高昂的优化问题。尽管 SAEAs 使用近似解答的替代模型（通过机器学习技术实现），但 prior research 并未充分探讨替代模型准确度对搜索绩效和模型管理策略的影响。本研究分析了替代模型准确度如何影响搜索绩效和模型管理策略。为此目的，我们构建了一个可调节预测准确度的伪替代模型，以确保不同模型管理策略之间的公平比较。我们将三种模型管理策略进行比较：(1) 预筛选 (PS)，(2) 基于 individual (IB)，和 (3) 基于 generation (GB)，并以不使用替代模型的基线模型进行测试。实验结果表明，更高的替代模型准确度会提高搜索绩效。然而，影响因策略而异。具体而言，PS 表现出随估计准确度提升而性能明显提升的明确趋势，而 IB 和 GB 在准确度超过特定阈值后表现出稳健的性能。在模型策略比较中，GB 在广泛的预测准确度范围内表现优异，IB 在较低准确度下优于它，PS 在较高准确度下优于它。本研究的发现阐明了根据替代模型准确度选择合适模型管理策略的指导方针。
关键词
引用
@article{arxiv.2503.00844,
title = {Impact of Surrogate Model Accuracy on Performance and Model Management Strategy in Surrogate-Assisted Evolutionary Algorithms},
author = {Yuki Hanawa and Tomohiro Harada and Yukiya Miura},
journal= {arXiv preprint arXiv:2503.00844},
year = {2026}
}