结合先进机器学习方法的代理模型进化算法研究

项目名称： 结合先进机器学习方法的代理模型进化算法研究

项目编号： No.61403272

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 自动化技术、计算机技术

项目作者： 孙超利

作者单位： 太原科技大学

项目金额： 24万元

中文摘要： 使用计算廉价的代理模型代替实际的计算费时的目标函数是进化算法用于解决复杂优化问题的一种有效策略。然而，代理模型的训练好坏、代理模型选用的合适与否以及个体最终估值的确定都将会直接影响进化算法寻优的准确性和效率。本项目首先拟基于主动学习技术根据代理模型所期望发挥的作用为代理模型选择训练样本，之后针对代理模型集基于估值不确定性研究其最有效代理模型的选用策略。再次，利用半监督学习技术通过权衡估值个体含有的信息量和估值准确性选择若干估值个体作为新增样本，以进一步提高代理模型的泛化能力。最后，利用决策融合技术对全局、局部代理模型的估值进行融合作为个体的适应值估值，以辅助进化算法更好的平衡其开发和开采能力，加快其收敛速度。本课题的研究成果将进一步提高进化算法求解复杂工业优化问题的能力，具有重要的实际应用价值。

中文关键词： 进化算法；代理模型；机器学习；复杂优化问题；计算费时

英文摘要： Evolutionary Algorithms assisted by computationally cheap surrogate models that partially substitute computationally expensive objective functions are very promising techniques for solving complex optimization problems. However, the training quality

英文关键词： Evolutionary Algorithm；Surrogate Models；Machine Learning；Complex Optimization Problems；Computationally Expensive