• 即将更新图形学,编译原理,机器学习等文章,谢谢关注~
  • 由于算法限制,搜索时注意简化关键字,谢谢支持~
  • 网站不兼容IE5.0及以下,请使用主流浏览器访问.
  • 进化计算中基于分类的预处理代理模型

    问题提出

    代理模型的构造较复杂,作者希望构造一个更为简单的廉价(cheap)的代理模型来评估子集的质量。

    因此作者提出了一个叫做CPS(classification based preselection)算法。

    预选择(preselection

    在进化算法中,预选择是一种分类问题。准确地说,是将子代解作为外部数据集进行二分类,分为promising和unpromissing的解。

    CPS的主要步骤

    • ① 根据父代解更新外部种群,给外部种群加上标签
    • ②构造基于KNN的预分类器
    • 根据构造的分类器,预测子代候选解标签(代理模型的核心)
    • ④根据预测标签选择子代解

    数据准备 (Data Preparation)

    初始化:算法一开始先建立一个外部种群,置空。外部种群随着迭代而更新(同时外部种群可以当做archive,最终的大小  小于5*N)

    迭代过程:真实评价当前父代每个每个个体,加入外部种群。对外部种群非支配排序。P+包含了外部种群前一半大小的作为非支配解 ,标记为+1。P-包含了外部种群后一半大小的作为被支配解,标记为-1。

    分类模型 (Classification Model)

    K是一个KNN的K,为一个奇数。Xi是第k近的特征向量,C是外部种群特征向量标签。

    当新产生一个子代解时,我们,可以在不做真实评价时,利用这种分类模型给子代解打上标签。

    子代选择( Offspring Selection)

    每一个父代解将会生成M个子代解,在这M个子代解中,只评价其中的一部分,将会大大降低计算消耗。

    策略嵌入算法流程图

    实验结果(IGD评价)

    参考文献:Zhang J, Zhou A, Tang K, et al. Preselection via classification: A case study on evolutionary multiobjective optimization[J]. Information Sciences, 2018, 465: 388-403.

    读者评分
    [评分人数: 3 平均分: 3.7]

    1 位极客 “进化计算中基于分类的预处理代理模型

    评论

    OmegaXYZ