结合高斯过程回归与遗传多目标方法的良率优化
机器学习
2022-04-12 v1 计算工程、金融与科学
摘要
在电磁器件设计中，不确定性的量化和最小化是一项重要任务，且伴随着巨大的计算开销。我们提出了一种混合方法，将 Monte Carlo 分析的可靠性和准确性与基于高斯过程回归的代理模型的效率相结合。我们提出了两种优化方法。一种是自适应 Newton-MC 方法，用于减少不确定性的影响；另一种是遗传多目标方法，用于同时优化性能和鲁棒性。对于用作基准问题的介电波导，所提出的方法优于经典方法。
引用
@article{arxiv.2010.04028,
title = {Yield Optimization using Hybrid Gaussian Process Regression and a Genetic Multi-Objective Approach},
author = {Mona Fuhrländer and Sebastian Schöps},
journal= {arXiv preprint arXiv:2010.04028},
year = {2022}
}