摘要
随着工程或者科学问题的复杂化,优化问题的维度日益增高,导致有些问题评价一次候选解的时间很长,而进化算法在获得最优解的过程中需要进行大量的目标函数评价,因此其无法直接应用于求解大规模昂贵优化问题.代理模型辅助的进化算法可以有效地解决昂贵优化问题,但是随着问题维度的增高,训练一个准确的代理模型需要的样本也会增多,这对于大规模问题显然是难以完成的.为此,利用随机分组将大规模优化问题分成若干个低维度的子问题,通过代理模型对每个子问题进行优化,以此不断迭代搜索得到最优解.为了验证算法的有效性,在CEC'2013的15个基准测试问题上进行了测试,实验结果表明,所提出的算法在求解大规模昂贵优化问题上效果十分显著.
维普
万方数据