Feb, 2024

计算流体动力学问题上基于代理的进化算法的性能比较

PDF
TL;DR这篇研究论文使用两个真实的计算流体动力学问题比较了十一个最先进的单目标代理辅助进化算法的性能表现，结果发现最近发布的方法以及利用差分进化作为优化机制之一的技术明显优于其他方法。
surrogate-assisted evolutionary algorithmsreal-world optimization problemscomputational fluid dynamics problemsperformance analysisstate-of-the-art single-objective saeas
发现论文，激发创造
  • 提升带有未评估解决方案的 SAEAs 性能：昂贵优化问题中的关系模型实证分析

    使用未经评估的解决方案提高代理辅助进化算法的效率，通过引入适应于选择阶段的关系模型，证明其在高质量解决方案的选择中优于回归和分类模型，从而显著提高算法的效率。

    Sep, 2023

  • 将 Lipshitz 和 RBF 替代模型组合应用于高维计算密集型问题

    本文提出了基于 Lipschitz 低估的代理模型，结合标准径向基函数代理模型和局部搜索程序，开发了一种差分进化算法，名为 Lipschitz Surrogate-assisted Differential Evolution（LSADE）。实验结果表明，所提出的 LSADE 算法与高维复杂的基准函数的最先进算法相比表现出色，尤其在有限的计算预算下更加有效。

    Apr, 2022

  • 进化优化和贝叶斯优化中的模型不确定性：一项比较分析

    这篇论文介绍了黑盒优化问题以及贝叶斯优化和替代辅助进化算法两种优化技术的使用方法和差异，还介绍了一种新的基于模型辅助的策略，通过利用未评估的解产生后代，并结合进化算法的群体搜索能力来提高模型辅助优化的效果。实验结果表明，该方法在准确性和效率方面优于主流的贝叶斯优化算法。

    Mar, 2024

  • 基于经验的高昂代价优化进化算法

    本文主要探讨了通过利用在相关问题中获得的经验，采用基于经验的代理辅助进化算法（SAEA）框架来增强昂贵优化问题的优化效率，实验结果表明从相关任务获得的经验对目标问题的评估预算的节约是有益的。

    Apr, 2023

  • 多目标进化算法中组件效应对算法行为的影响

    研究使用自动设计的算法对多目标进化算法进行了效果评估，通过比较搜索轨迹网络、种群的多样性和任意时刻的超体积值，发现算法组件对于不同问题具有不同的影响。

    Jul, 2023

  • 基于代理的分布式群体优化算法在计算代价昂贵模型中的应用

    本论文旨在在并行计算结构中实现基于代理的适应度评估，在复杂的地质科学景观进化模型上实现优化解决方案时间的缩短，同时保持优化准确性。

    Jan, 2022

  • NeuroLGP-SM: 深度神经网络的可扩展替代辅助神经进化

    在神经进化（neuroevolution）中，我们提出了一种名为 NeuroLGP-SM 的方法，它利用表型距离向量和 Kriging Partial Least Squares（KPLS）作为代理模型，以高效准确地评估大型深度神经网络（DNNs）的适应度，并且相比其他方法具有竞争力或更好的结果和更高的能源效率。

    Apr, 2024

  • 自然进化与人工进化运行时比较的初步步骤

    本文分析了强选择弱突变（SSWM）进化模型运行时间及其与（1 + 1）EA 的异同之处，并研究了如何利用适应度梯度实现 SSWM 在跨越适应度谷时的优势。

    Apr, 2015

  • LEA: 基于学习优化策略的进化算法之外

    设计一种可学习的进化算法（LEA）来实现从手工设计的优化策略到学习的优化策略的转变，能够高效地利用目标任务的低保真信息来形成优化策略，以更少的计算成本获得更好的解决方案。

    Apr, 2023

  • 特征选择的快速遗传算法 —— 一种定性近似方法

    本文提出了一种两阶段的辅助代理进化方法，用于解决在大型数据集的封装设置中使用遗传算法进行特征选择时产生的计算问题。通过构建轻量级的定性元模型通过主动选择数据实例进行特征选择任务，并在遗传算法 CHC 的基础上应用该过程来创建定性近似变体 CHCQX。实验证明，CHCQX 对于包含超过 100K 个实例的大型数据集收敛速度更快且准确度更高。此外，我们还展示了我们的方法在粒子群优化（PSO）方法的定性逼近适应中的适用性，该方法属于进化计算（EC）范式的另一个分支，相关结果可在 GitHub 上找到完整的实现。

    Apr, 2024