基于聚类的盒约束问题的代理优化
机器学习
2026-01-13 v1 最优化与控制
摘要
大规模复杂系统（如多物理黑盒仿真和实际工业系统）的全局优化至关重要且具挑战性。本文提出一种新型基于聚类的代理优化框架，称为 SBOC，用于此类系统的全局优化，可与任何代理建模技术配合使用。在每个迭代中，它为整个域使用单个代理模型，采用 k 均值聚类识别未探索区域，并利用代理最优处的局部区域潜在添加三个新的样本点。SBOC 使用 52 个不同输入维数和形状轮廓的解析测试函数，对 16 种有前景的基准算法进行了测试。它成功地为大多数测试函数识别了全局最小值，且计算资源显著低于其他算法。它在输入变量数为四个或更多的测试函数上表现尤为出色。在接近全局最小值方面，SBOC 也是排名前六的算法之一。总体而言，SBOC 是一种稳健、可靠且高效的盒约束系统全局优化算法。
引用
@article{arxiv.2601.07442,
title = {Surrogate-based Optimization via Clustering for Box-Constrained Problems},
author = {Maaz Ahmad and Iftekhar A. Karimi},
journal= {arXiv preprint arXiv:2601.07442},
year = {2026}
}
备注
34 pages, 4 Figures, 8 Tables