高计算代价动态优化问题的代理模型辅助粒子群优化算法
针对同时具备动态优化与高计算代价两种特征的高代价动态优化问题,提出一种代理模型辅助的动态粒子群优化算法.为加快种群对环境变化的响应速度,给出一种基于多方向预测的种群初始化方法,用来产生多样性好且目标值优秀的初始种群;为降低代理模型的构建代价且保持其预测精度,设计一种融合目标值预测机制的代理模型更新策略.通过处理多个典型的高计算代价动态优化问题,实验结果表明,相比已有算法,所提算法可以较快地跟踪随环境变化的问题最优解.
粒子群优化;动态优化问题;高计算代价;代理模型
49
TP301.6(计算技术、计算机技术)
国家重点研发计划项目2020YFB1708200
2021-11-18(万方平台首次上网日期,不代表论文的发表时间)
共14页
71-84