Classification- and Regression-Assisted Differential Evolution for Computationally Expensive Problems
陆晓芬, 唐珂 · Acta Scientiarum Naturalium Universitatis Sunyatseni · 2012
微分进化(DE ) 很好作为一种有效进化优化技术被接受了。然而，获得一个令人满意的答案通常包含很多健康评估。这劣势严重地把它的申请限制为计算地昂贵的问题，单个健康评估能为是高度费时间的。在过去的十年，很多调查被进行了把一个代理人模型合并到一个进化算法(EA ) 在这种情形减轻它的计算负担。然而，仅仅有限的工作被奉献给 DE。更重要地，尽管各种各样的类型例如回归，评价，代理人当模特儿，分类当模特儿独立被调查了，任何一个都一致地不他们超过其它。在这份报纸，我们建议由联合回归和分类技术构造一个代理人模型。由于 DE 的特定的选择策略，一个协同作用能在模型的这二种类型之间被建立，这被显示出，并且导致为 DE 是更适当的一个代理人模型。一个新奇代理人帮助模型的 DE，说出帮助分类、帮助回归的 DE (CRADE ) 在这个基础上被建议。试验性的研究在一套 16 基准功能上被执行，并且 CRADE 显示出重要优势在上与仅仅回归或分类模型帮助 DE。进一步的比较到三最先进的 DE 变体，即，有全球、本地的邻居(DEGL ) 的 DE，碧玉，和合成 DE (代码) ，也表明 CRADE 的优势。