基于代理模型的實值演化算法研究.pdf

1、實值優(yōu)化在現(xiàn)實生活中存在著廣泛的應用背景。演化算法(Evolutionary Al-gorithm)作為一類基于種群的隨機優(yōu)化算法，在實值優(yōu)化領域受到了廣泛的關注。不過，演化算法在實際應用中仍然面臨著挑戰(zhàn)。由于演化算法使用基于種群的搜索和以個體適應度值為基礎的優(yōu)勝劣汰選擇機制，演化算法往往需要大量的適應度評估才能獲得滿意的解。然而，在實際應用中，廣泛存在著計算代價高的問題(Computationally Expensive Proble

2、ms)。對于這類問題，一次適應度評估的代價是非常高的，這限制了演化算法在相關領域里的應用。針對演化算法存在的這點不足，本論文的主要目的是研究設計適用于計算代價高的實值優(yōu)化問題的演化算法?；谶@個目的，本文從代理模型（Surrogate Model）著手，通過構造計算代價不高的代理模型并引入到演化算法中來代替真實的適應度評估，從而使演化算法更好地求解計算代價高的實值優(yōu)化問題。本文的主要研究工作與創(chuàng)新之處包括以下幾個方面:
　　1.基

3、于分類模型的差分演化（Differential Evolution）算法在演化算法中引入代理模型牽涉到學習和優(yōu)化的互相作用。一般來講，代理模型的選擇和使用方式需要結(jié)合具體的演化算法來進行設計。本文通過分析差分演化算法的搜索原理，將差分演化算法的選擇過程歸約為一個分類問題。基于此，本文提出了將分類模型引入到差分演化的選擇過程中、以代替真實適應度評估對個體進行比較的基于分類模型的差分演化算法。區(qū)別于以往基于代理模型的演化算法中常常用到的回歸

4、模型和排序模型，分類模型能更好地匹配差分演化算法的選擇機制的本質(zhì)，因而可以更好地提高差分演化算法在有限的計算時間內(nèi)求解計算代價高的優(yōu)化問題的性能。
　　2.基于分類模型和回歸模型結(jié)合的差分演化算法代理模型有不同的類型。不同類型的代理模型求解的問題不同，因而可以在演化算法中扮演不同的角色。作為對本文提出的基于分類模型的差分演化算法的改進，本文將分類模型和回歸模型結(jié)合起來融入到差分演化算法中。分類模型可以幫助差分演化算法避免在不好的子

5、代個體上浪費真實的適應度評估;回歸模型可以在分類模型預測的好的子代個體上給出替代真實適應度值的近似適應度值，從而進一步減少差分演化算法每代所需要的真實適應度評估的次數(shù)。
　　3.基于代理模型的自適應差分演化框架
　　演化算法對操作算子及參數(shù)設置敏感。自適應機制在演化算法中扮演著重要的角色，它可以幫助演化算法在演化搜索的過程中自動地調(diào)整操作算子和參數(shù)值，從而提高演化算法的性能。本文分析了自適應差分演化算法在求解計算代價高的問題

6、時存在的不足，并提出了基于代理模型的方法來對差分演化的操作算子和參數(shù)設置進行自適應調(diào)整，為差分演化算法提供了一種適用于計算代價高問題的自適應機制。
　　4.基于多模型的模因演算法(Memetic Algorithm)
　　構建代理模型的方式有很多種。同樣的構建方式構建出的代理模型在不同問題上的表現(xiàn)不同，因而代理模型的構建方式的選擇是影響基于代理模型的演化算法的性能的一個重要因素。一般來講，代理模型的建模方式應該結(jié)合具體的應用

7、問題來進行選擇。然而，由于這需要一些事先并不知道的有關具體應用問題的先驗知識，所以是不可行的?；诖?，本文在模因演算法的框架下提出了具有層次結(jié)構的多模型使用機制，實現(xiàn)了一種新穎的模型構建方式的自適應選擇機制。
　　本論文分別從演化算法層面和代理模型構建層面開展工作，研究如何設計高效的基于代理模型的演化算法。在演化算法層面，考慮到代理模型能夠在演化算法中扮演不同的角色，本文分別提出了基于分類模型的差分演化算法、基于分類模型和回歸模型

8、結(jié)合的差分演化算法、以及基于代理模型的自適應差分演化框架。在代理模型層面，考慮到同樣的構建方式構建出的代理模型在不同問題上的表現(xiàn)不同，本文在模因演算法的框架下提出了一種高效的具有層次結(jié)構的代理模型構建方式的自適應選擇機制。本文提出的基于分類模型的差分演化算法以及基于分類模型和回歸模型結(jié)合的差分演化算法，可以供后續(xù)的為其它使用成對比較的選擇機制的演化算法設計代理模型融入方式的工作參考。本文提出的基于代理模型的自適應差分演化框架可以作為通用