基于相关分析的多目标优化 Pareto优劣性预测

ubeautqq

基于相关分析的多目标优化 Pareto优劣性预测

摘要:昂贵多目标进化算法中,目标向量评估所需计算时间或实验成本高昂,大量昂贵评估必然导致成本灾难.本文根据多目标优化Pareto优劣性取决于各目标分量的序关系这一关键性质,提出一种序拟合方法进行Pareto 优劣性预测.在分析样本数据决策空间与目标空间序相关性的基础上,通过线性相关的假设条件,建立低成本的序关系预测方程,并用预测的序关系确定Pareto优劣性.然后对典型多目标优化问题进行Pareto优劣性预测对比实验,结果表明所提方法显著提高了Pareto优劣性的预测精度.最后,将该预测方法集成到NSCA-II算法中,可以避免进化过程中的模型重构,有效减少昂贵目标向量的评估次数.
关键词:相关分析;序关系预测;多目标优化; Pareto优劣性
# W1 D% c6 U7 x2 a1 j0 G% K0 |
  R( t1 D* T. F5 v* w- G$ s1引言
多目标优化问题(Multi-objective Optimization Prob-lem , MOP)普遍存在于工程优化与设计、运筹学、生物医学等诸多领域",有效解决MOP具有重要的理论意义与应用价值.进化算法是解决 MOP的主要方法之一[2]，采用进化算法求解 MOP需要大量的评估目标向量[3].对于昂贵 MOP,目标分量评估是一个复杂耗时的计算过程,例如空气动力学设计优化、蛋白质设计等[+-6.大量的评估目标向量将导致计算成本灾难问题.因此,如何有效解决昂贵MOP已经引起了国内外学者的广泛关注.

' X5 o) Y. |1 `  b. U1 N

游客，如果您要查看本帖隐藏内容请回复

, y- i1 O* m9 q  z

embnn

相关分析的多目标优化 Pareto优劣性预测，先收藏了。