基于增量Kriging模型辅助的双指标采样昂贵高维优化算法

摘要

针对昂贵的高维多目标优化问题，性能指标选择机制在评估候选解的收敛性与多样性方面发挥了关键作用.然而，由于实际函数求值受限，这些机制在应对昂贵问题时面临挑战.同时，依赖单一指标可能引入偏差，使得平衡种群的收敛性与多样性变得困难.为了解决这些问题，本文提出了一种基于增量Kriging模型辅助的双指标采样昂贵高维优化算法.首先，通过引入增量Kriging模型来近似计算昂贵的目标函数，有效降低了计算成本与时间成本.其次，采用一种基于最值双指标选择的随机排序选择机制作为一种有效的模型管理策略，该策略采用I_ε+（x,y）和I_SDE（x,y）指标同时评估候选解的质量，进一步提高了搜索效率，最终实现了收敛性与多样性的平衡.为验证算法的有效性，在DTLZ和WFG多目标优化测试问题以及实际工程优化问题上进行了测试，并将其与近年来提出的5种优秀的同类型算法进行了结果对比.实验结果表明，本文提出的算法在求解昂贵高维多目标优化问题上具有显著的有效性.

关键词

昂贵高维多目标优化 / 代理辅助进化算法 / 增量Kriging模型 / 模型管理 / 性能指标 / 填充准则