基于响应面的概率集群优化方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (22): 220-223.

基于响应面的概率集群优化方法

赵薇1，罗熹1，王楠2

1.湖南警察学院计算机科学技术系，长沙 410138
2.国防科学技术大学机电工程与自动化学院，长沙 410073

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-08-01 发布日期:2011-08-01

Probability collectives using response surface estimation

ZHAO Wei1，LUO Xi1，WANG Nan2

1.Department of Computer Science and Technical，Hunan Police Academy，Changsha 410138，China
2.College of Mechatronics Engineering and Automation，National University of Defense Technology，Changsha 410073，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-08-01 Published:2011-08-01

摘要/Abstract

摘要： 面对实际应用中的大规模优化问题，基于响应面估计的概率集群优化方法以设计变量的概率分布作为优化对象，而非直接对设计变量值进行优化，可适应连续、离散及混合的设计变量类型。采用响应面构建概率集群评估函数的近似模型，并采用置信区间方法在迭代优化过程中不断更新响应曲面以确保近似精度。实验结果表明算法对解决复杂优化问题有效。

关键词: 概率集群, 响应面, 置信区间, 优化, 近似

Abstract: This paper describes the use of Response Surface（RS） with Probability Collectives（PC） to handle large-scale optimization problems.The main characteristic of PC is that it optimizes the probability distribution of the variables rather than their values，thus different types of variables may be integrated into optimization procedure.The RS is used to approximate the utility evaluation of candidate solutions in PC.To improve the approximation accuracy，the Trust Region（TR） method is introduced to iteratively update the RS during optimization.Extensive simulations are conducted to demonstrate the effectiveness of the proposed algorithm.

Key words: probability collectives, response surface, trust region, optimization, approximation

赵薇1，罗熹1，王楠2. 基于响应面的概率集群优化方法[J]. 计算机工程与应用, 2011, 47(22): 220-223.

ZHAO Wei1，LUO Xi1，WANG Nan2. Probability collectives using response surface estimation[J]. Computer Engineering and Applications, 2011, 47(22): 220-223.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	邓利芳，党建武，王阳萍，王松. 结合混合核特征映射的空域图像隐写分析[J]. 计算机工程与应用, 2021, 57(9): 118-125.
[3]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[4]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[5]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[6]	高铖铖，陈锡程，张瑞，宋秋月，易东，伍亚舟. 三种新型智能算法在疫情预警模型中的应用——基于百度搜索指数的COVID-19疫情预警[J]. 计算机工程与应用, 2021, 57(8): 256-263.
[7]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[8]	杜垚. 结合局部优化匹配的Android恶意家族检测算法[J]. 计算机工程与应用, 2021, 57(8): 84-90.
[9]	张水平，王丽娜. 果蝇优化算法的进展研究分析[J]. 计算机工程与应用, 2021, 57(6): 22-29.
[10]	许小媛，李海波，黄黎. 云存储多异构文件联合延迟尾概率凸优化分析[J]. 计算机工程与应用, 2021, 57(5): 88-94.
[11]	蔡冬丽，钟清华，朱永升，廖金湘，韩劢之. 三维输入卷积神经网络脑电信号情感识别[J]. 计算机工程与应用, 2021, 57(5): 161-167.
[12]	沈瑜，刘成，杨倩. 利用子空间稀疏特征的超分辨率图像重建算法[J]. 计算机工程与应用, 2021, 57(5): 173-182.
[13]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[14]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[15]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.