期刊导航
期刊开放获取
VIP36
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于剪枝堆栈泛化的离线数据驱动进化优化
被引量：
2
1
作者
梁正平
黄锡均
+2 位作者
李燊钿
王喜瑜
朱泽轩
《自动化学报》
EI
CAS
CSCD
北大核心
2023年第6期1306-1325,共20页
现实世界中存在很多目标函数的计算非常昂贵,甚至目标函数难以建模的复杂优化问题.常规优化方法在解决此类问题时要么无从入手,要么效率低下.离线数据驱动的进化优化方法不需对真实目标函数进行评估,跳出了传统优化方法的固铚,极大推动...
现实世界中存在很多目标函数的计算非常昂贵,甚至目标函数难以建模的复杂优化问题.常规优化方法在解决此类问题时要么无从入手,要么效率低下.离线数据驱动的进化优化方法不需对真实目标函数进行评估,跳出了传统优化方法的固铚,极大推动了昂贵优化问题和不可建模优化问题的求解.但离线数据驱动进化优化的效果严重依赖于所采用代理模型的质量.为提升离线数据驱动进化优化的性能,提出了一个基于剪枝堆栈泛化(Stacked generalization,SG)代理模型构建方法.具体而言,一方面基于异构的基学习器建立初级模型池,再采用学习方式对各初级模型进行组合,以提升代理模型的通用性和准确率.另一方面基于等级保护指标对初级模型进行剪枝,在提高初级模型集成效率的同时进一步提升最终代理模型的准确率,并更好地指导种群的搜索.为验证所提方法的有效性,与7个最新的离线数据驱动的进化优化算法在12个基准测试问题上进行对比,实验结果表明所提出的方法具有明显的优势.
展开更多
关键词
堆栈泛化
代理模型
离线数据驱动
优化
进化计算
在线阅读
下载PDF
职称材料
基于两点模型选择的离线数据驱动进化优化算法
2
作者
包建阳
吕秋月
孙越泓
《南京师大学报（自然科学版）》
CAS
CSCD
北大核心
2022年第3期1-8,共8页
基于两点模型选择的离线数据驱动进化优化算法主要用于解决目标计算复杂度高的离线优化问题.在模型建立过程中,建立多个代理模型,而后运用模型选择策略,从中选择部分代理模型,组成集成模型.同时,模型选择策略概率被采用,用来提高算法通...
基于两点模型选择的离线数据驱动进化优化算法主要用于解决目标计算复杂度高的离线优化问题.在模型建立过程中,建立多个代理模型,而后运用模型选择策略,从中选择部分代理模型,组成集成模型.同时,模型选择策略概率被采用,用来提高算法通用性和减少时间复杂度.该算法在常见的基准测试函数上进行了数值实验,与其他先进的算法进行了比较,实验结果表明,新算法更具有优势.
展开更多
关键词
集成学习
进化算法
离线数据驱动
优化
代理模型
在线阅读
下载PDF
职称材料
基于多核数据合成的离线小数据驱动的进化算法
3
作者
李二超
刘昀
《浙江大学学报(工学版)》
北大核心
2025年第2期278-288,共11页
为了增强离线数据驱动的进化算法在小数据情景中的表现,削弱代理模型对数据集规模的依赖,提出基于多核数据合成的离线小数据驱动的进化算法(DDEA-MKDS).考虑到代理模型易因小数据陷入过拟合,通过经验公式与遍历法找出针对离线数据集的...
为了增强离线数据驱动的进化算法在小数据情景中的表现,削弱代理模型对数据集规模的依赖,提出基于多核数据合成的离线小数据驱动的进化算法(DDEA-MKDS).考虑到代理模型易因小数据陷入过拟合,通过经验公式与遍历法找出针对离线数据集的最优隐含层节点数,以简化模型结构.为了弥补数据量的不足,训练了3个不同核函数的径向基网络生成合成数据,通过轮盘赌法选择其中的部分数据与原数据集合并,使用新数据集训练代理模型.将DDEA-MKDS与其他5种流行的离线数据驱动的进化算法在6个单目标基准测试问题上进行对比,实验结果表明,所提算法在数据量极小的条件下能够取得良好的效果,寻优效率显著优于其他算法.
展开更多
关键词
离线数据驱动
进化算法
小
数据
代理模型
隐含层节点
合成
数据
在线阅读
下载PDF
职称材料
基于参考向量关联估计的离线多目标优化算法
4
作者
李睿
孙超利
张国晨
《计算机与数字工程》
2024年第9期2577-2582,共6页
很多实际工程和科学问题都是计算费时的多目标优化问题,这类问题中每个候选解的评价往往都非常费时,因此仅允许使用少量真实评价。论文采用离线数据驱动的进化算法求解计算费时多目标优化问题,以期节省优化时间。论文通过训练代理模型...
很多实际工程和科学问题都是计算费时的多目标优化问题,这类问题中每个候选解的评价往往都非常费时,因此仅允许使用少量真实评价。论文采用离线数据驱动的进化算法求解计算费时多目标优化问题,以期节省优化时间。论文通过训练代理模型来估计候选解的收敛性,采用最近邻样本估计候选解与参考向量的关联关系,减少了使用目标估值计算候选解与参考向量夹角大小所产生的误差累积。使用DTLZ测试集验证论文算法的有效性,论文算法与离线数据驱动的优化算法MS-RV以及三个经典在线数据驱动优化算法进行对比,实验结果表明论文提出的算法在保证性能的前提下,可以减少使用真实的评价次数。
展开更多
关键词
计算费时的多目标优化问题
代理模型
离线数据驱动
优化
最近邻估计
在线阅读
下载PDF
职称材料
题名
基于剪枝堆栈泛化的离线数据驱动进化优化
被引量：
2
1
作者
梁正平
黄锡均
李燊钿
王喜瑜
朱泽轩
机构
深圳大学计算机与软件学院
中兴通讯
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2023年第6期1306-1325,共20页
基金
国家重点研发计划(2021YFB2900800)
广东省自然科学基金(2021A1515011911)
深圳市科技计划项目(20200811181752003,JCYJ20220531102617039)资助。
文摘
现实世界中存在很多目标函数的计算非常昂贵,甚至目标函数难以建模的复杂优化问题.常规优化方法在解决此类问题时要么无从入手,要么效率低下.离线数据驱动的进化优化方法不需对真实目标函数进行评估,跳出了传统优化方法的固铚,极大推动了昂贵优化问题和不可建模优化问题的求解.但离线数据驱动进化优化的效果严重依赖于所采用代理模型的质量.为提升离线数据驱动进化优化的性能,提出了一个基于剪枝堆栈泛化(Stacked generalization,SG)代理模型构建方法.具体而言,一方面基于异构的基学习器建立初级模型池,再采用学习方式对各初级模型进行组合,以提升代理模型的通用性和准确率.另一方面基于等级保护指标对初级模型进行剪枝,在提高初级模型集成效率的同时进一步提升最终代理模型的准确率,并更好地指导种群的搜索.为验证所提方法的有效性,与7个最新的离线数据驱动的进化优化算法在12个基准测试问题上进行对比,实验结果表明所提出的方法具有明显的优势.
关键词
堆栈泛化
代理模型
离线数据驱动
优化
进化计算
Keywords
Stacked generalization(SG)
surrogate model
offline data driven optimization
evolutionary computation
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于两点模型选择的离线数据驱动进化优化算法
2
作者
包建阳
吕秋月
孙越泓
机构
南京师范大学数学科学学院
江苏省大规模复杂系统数值模拟重点实验室
出处
《南京师大学报（自然科学版）》
CAS
CSCD
北大核心
2022年第3期1-8,共8页
基金
国家自然科学基金项目(11871279)。
文摘
基于两点模型选择的离线数据驱动进化优化算法主要用于解决目标计算复杂度高的离线优化问题.在模型建立过程中,建立多个代理模型,而后运用模型选择策略,从中选择部分代理模型,组成集成模型.同时,模型选择策略概率被采用,用来提高算法通用性和减少时间复杂度.该算法在常见的基准测试函数上进行了数值实验,与其他先进的算法进行了比较,实验结果表明,新算法更具有优势.
关键词
集成学习
进化算法
离线数据驱动
优化
代理模型
Keywords
ensemble learning
evolutionary algorithm
offline data-driven optimization
surrogate model
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于多核数据合成的离线小数据驱动的进化算法
3
作者
李二超
刘昀
机构
兰州理工大学电气工程与信息工程学院
出处
《浙江大学学报(工学版)》
北大核心
2025年第2期278-288,共11页
基金
国家自然科学基金资助项目(62063019)
甘肃省自然科学基金资助项目(24JRRA173,22JR5RA241)。
文摘
为了增强离线数据驱动的进化算法在小数据情景中的表现,削弱代理模型对数据集规模的依赖,提出基于多核数据合成的离线小数据驱动的进化算法(DDEA-MKDS).考虑到代理模型易因小数据陷入过拟合,通过经验公式与遍历法找出针对离线数据集的最优隐含层节点数,以简化模型结构.为了弥补数据量的不足,训练了3个不同核函数的径向基网络生成合成数据,通过轮盘赌法选择其中的部分数据与原数据集合并,使用新数据集训练代理模型.将DDEA-MKDS与其他5种流行的离线数据驱动的进化算法在6个单目标基准测试问题上进行对比,实验结果表明,所提算法在数据量极小的条件下能够取得良好的效果,寻优效率显著优于其他算法.
关键词
离线数据驱动
进化算法
小
数据
代理模型
隐含层节点
合成
数据
Keywords
offline data-driven
evolutionary algorithm
small data
surrogate model
hidden layer node
synthetic data
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于参考向量关联估计的离线多目标优化算法
4
作者
李睿
孙超利
张国晨
机构
太原科技大学计算机科学与技术学院
出处
《计算机与数字工程》
2024年第9期2577-2582,共6页
基金
国家自然科学基金面上项目(编号:61876123)
山西省平台基地和人才专项优秀人才科技创新项目(编号:201805D211028)
+1 种基金
山西省自然科学基金项目(编号:201901D111262,201901D111264)
多模态认知计算安徽省重点实验室(安徽大学)开放课题(编号:MMC202011)资助。
文摘
很多实际工程和科学问题都是计算费时的多目标优化问题,这类问题中每个候选解的评价往往都非常费时,因此仅允许使用少量真实评价。论文采用离线数据驱动的进化算法求解计算费时多目标优化问题,以期节省优化时间。论文通过训练代理模型来估计候选解的收敛性,采用最近邻样本估计候选解与参考向量的关联关系,减少了使用目标估值计算候选解与参考向量夹角大小所产生的误差累积。使用DTLZ测试集验证论文算法的有效性,论文算法与离线数据驱动的优化算法MS-RV以及三个经典在线数据驱动优化算法进行对比,实验结果表明论文提出的算法在保证性能的前提下,可以减少使用真实的评价次数。
关键词
计算费时的多目标优化问题
代理模型
离线数据驱动
优化
最近邻估计
Keywords
computationally expensive multi-objective optimization problems
surrogate models
offline data-driven optimization
nearest neighbor estimation
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于剪枝堆栈泛化的离线数据驱动进化优化
梁正平
黄锡均
李燊钿
王喜瑜
朱泽轩
《自动化学报》
EI
CAS
CSCD
北大核心
2023
2
在线阅读
下载PDF
职称材料
2
基于两点模型选择的离线数据驱动进化优化算法
包建阳
吕秋月
孙越泓
《南京师大学报（自然科学版）》
CAS
CSCD
北大核心
2022
0
在线阅读
下载PDF
职称材料
3
基于多核数据合成的离线小数据驱动的进化算法
李二超
刘昀
《浙江大学学报(工学版)》
北大核心
2025
0
在线阅读
下载PDF
职称材料
4
基于参考向量关联估计的离线多目标优化算法
李睿
孙超利
张国晨
《计算机与数字工程》
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
