基于代理模型估值不确定度的昂贵多目标优化问题研究

摘要

针对代理模型辅助的多目标优化算法中个体不确定度之间相互冲突的问题，本文提出个体每个目标估值不确定的填充准则，同时，为了减少训练模型消耗的计算资源，提出基于非支配排序的样本选择算法。为了验证该算法的可行性，采用DTLZ和WFG测试函数进行测试，得出结果与近些年发表5种具有代表性的同类型算法进行对比，结果说明该算法可以有效的解决昂贵高维高目标优化问题。

关键词

进化算法 / 昂贵多目标优化问题 / 代理模型 / 填充准则 / 不确定度