基于 Voronoi 图的高效代理辅助进化算法用于极昂贵问题
神经与进化计算
2019-10-28 v2
摘要
极昂贵问题在实际系统中非常常见，其一次适应度评估需耗费数小时甚至数天。代理辅助进化算法（SAEAs）在过去几十年中被广泛用于解决这一关键问题。然而，大多数被研究的 SAEAs 侧重于求解预算至少为问题维度十倍的问题，这在许多极昂贵的现实世界问题中是不可接受的。在本文中，我们采用 Voronoi 图来提升 SAEAs 的性能，并提出一种名为基于 Voronoi 图的高效代理辅助进化算法（VESAEA）的新框架用于极昂贵问题，其中就适应度评估而言的优化预算仅为问题维度的 5 倍。在所提出的框架中，Voronoi 图将整个搜索空间划分为若干子空间，然后在若干潜在较优子空间中进行局部搜索。此外，为了权衡探索与利用，该框架包含一个通过结合留一交叉验证与径向基函数代理模型而开发的全局搜索阶段。设计了一个性能选择器来在全局与局部搜索阶段之间动态且自动地切换搜索。在多种基准问题上的实证结果表明，所提框架在极有限的适应度评估下显著优于几种最先进的算法。此外，进一步分析了 Voronoi 图的有效性，结果显示其在优化极昂贵问题方面的潜力。
引用
@article{arxiv.1901.05755,
title = {Voronoi-based Efficient Surrogate-assisted Evolutionary Algorithm for Very Expensive Problems},
author = {Hao Tong and Changwu Huang and Jialin Liu and Xin Yao},
journal= {arXiv preprint arXiv:1901.05755},
year = {2019}
}