三阶段自适应采样和增量克里金辅助的昂贵高维优化算法.pdfVIP

762024，60（5）ComputerEngineeringandApplications计算机工程与应用

⦾理论与研发⦾

三阶段自适应采样和增量克里金辅助的昂贵高维优化算法

1，2，31，21，21，21，3

顾清华，刘思含，王倩，骆家乐，刘迪

1.西安建筑科技大学管理学院，西安710000

2.西安建筑科技大学西安市智慧工业感知计算与决策重点实验室，西安710000

3.西安建筑科技大学资源工程学院，西安710000

摘要：代理辅助进化算法已广泛应用于求解代价高昂的多目标优化问题，但大多数由于代理模型的局限性而仅限

于解决决策变量低维的问题。为了解决高维的昂贵多目标优化问题，提出了一种基于三阶段自适应采样策略的改

进增量克里金辅助的进化算法。该算法使用改进的增量克里金模型来近似每个目标函数，此模型的超参数根据预

测的不确定性进行自适应更新，降低计算复杂度的同时保证模型在高维上的准确性；此外，在模型管理方面提出一

种三阶段自适应采样的策略，将采样过程分为不同的优化阶段以更有针对性的选择个体，能够首先保证收敛性，提

高算法的收敛速度。为了验证算法的有效性，在包含各种特征的两组测试问题DTLZ（deb-thiele-laumanns-zitzler）、

MaF（many-objectivefunction）和路径规划实际工程问题上与最新的同类型算法进行实验对比，结果表明该算法在

解决决策变量高维的昂贵多目标优化问题上具有较强的竞争力。

关键词：昂贵优化；多目标优化；决策变量高维；代理辅助进化算法；增量克里金模型；三阶段自适应采样策略

文献标志码：A中图分类号：TP18doi：10.3778/j.issn.1002-8331.2306-0252

ExpensiveHigh-DimensionalOptimizationAlgorithmwithThree-StageAdaptiveSamplingand

IncrementalKrigingAssistance

GUQinghua1，2，3,LIUSihan1，2,WANGQian1，2,LUOJiale1，2,LIUDi1，3

1.SchoolofManagement,Xi’anUniversityofArchitectureandTechnology,Xi’an710000,China

2.Xi’anKeyLaboratoryforIntelligentIndustrialPerception,CalculationandDecision,Xi’anUniversityofArchitecture

andTechnology,Xi’an710000,China

3.SchoolofResourcesEngineering,Xi’anUniversityofArchitectureandTechnology,Xi’an710000,China

Abstract：Surrogate-assistedevolutionaryalgorithmshavebeenwidelyusedtosolvecostlymulti-objectiveoptimization

problems,butareoftenrestrictedtosolvingproblemswithlow-dimensionaldecisionvariablesduetothelimitationsof

thesurrogatemodel.Inordertosolvetheexpensivehigh-dimensionalmulti-objectiveoptimizationproblem,animproved

incrementalKriging-assistedevolutionaryalgorithmbasedonthethree-stageadaptivesamplingstrategyisproposedin

thispaper.ThealgorithmusesanimprovedincrementalKrigingmodeltoapproxima