计算机工程

作者：刘子怡, 王宇嘉, 孙福禄, 贾欣, 聂方鑫

单位：上海工程技术大学 电子电气工程学院, 上海 201620

关键词：集成代理模型,多目标优化,特征扰动,历史记忆,不确定信息

基金：国家自然科学基金（61403249）。

代理模型利用近似预测代替算法对多目标优化问题的真实评价，大幅减少了算法寻优所需的真实适应度评估次数。为提高代理模型在求解高维问题时的准确性并降低计算开销，提出一种基于特征扰动与分配策略的集成辅助多目标优化算法。将径向基函数网络代理模型与支持向量机回归代理模型作为集成过程中的基模型，降低算法在高维问题上的计算开销。结合特征扰动与基于记忆的影响因子分配策略构建集成代理模型，提高集成准确性。使用集成预测值与不确定信息加权辅助管理集成代理模型，平衡全局搜索与局部探索，增强算法在目标空间中的寻优能力。实验结果表明，该算法在ZDT1~ZDT3和ZDT6测试问题上所得解集的分布性与收敛性相比经典算法更好，并且当决策变量维数增加时，使用集成代理模型相比于Kriging代理模型约减少了90%的适应度评估次数，同时可获得更准确的预测结果。

来源：2022年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第6期