随机重叠分组的大规模昂贵优化算法

摘要

随着科技的快速发展，大规模优化问题逐步凸显，尤其在工程领域，这类问题常伴有维度灾难和计算成本的双重约束挑战。为了解决大规模优化问题中高维空间建模困难、传统进化算法资源耗费大以及收敛速度下降的问题，本文提出一种随机重叠分组(ROG)的大规模昂贵优化算法(LSEO-ROG)。该算法通过ROG将原问题划分为多个子问题，降低问题维度，并在子问题上建模优化。通过对各子问题估值绑定权重系数的策略进行填充采样，最终输出问题的最优解。在2013年电气电子工程师学会进化计算大会(CEC2013)基准测试问题上的实验表明，所提算法在求解大规模昂贵问题上具有较好的性能。

关键词

大规模 / 计算昂贵 / 代理模型 / 随机重叠分组(ROG)