...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>European Journal of Operational Research >Tracking global optima in dynamic environments with efficient global optimization
【24h】

Tracking global optima in dynamic environments with efficient global optimization

机译：通过有效的全局优化在动态环境中跟踪全局最优

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Many practical optimization problems are dynamically changing, and require a tracking of the global optimum over time. However, tracking usually has to be quick, which excludes re-optimization from scratch every time the problem changes. Instead, it is important to make good use of the history of the search even after the environment has changed. In this paper, we consider Efficient Global Optimization (EGO), a global search algorithm that is known to work well for expensive black box optimization problems where only few function evaluations are possible. It uses metamodels of the objective function for deciding where to sample next. We propose and compare four methods of incorporating old and recent information in the metamodels of EGO in order to accelerate the search for the global optima of a noise-free objective function stochastically changing over time. As we demonstrate, exploiting old information as much as possible significantly improves the tracking behavior of the algorithm. (C) 2014 Elsevier B.V. All rights reserved.
机译：许多实际的优化问题正在动态变化，并且需要随着时间的推移跟踪全局最优。但是，跟踪通常必须快速，这会在每次问题发生变化时从头开始进行重新优化。取而代之的是，即使环境发生了变化，也要充分利用搜索历史，这一点很重要。在本文中，我们考虑了高效全局优化（EGO），这是一种全局搜索算法，众所周知，该算法可以很好地解决昂贵的黑匣子优化问题，因为只有很少的函数可以评估。它使用目标函数的元模型来确定下一步要采样的位置。我们提出并比较四种在EGO的元模型中结合了旧信息和最新信息的方法，以加快寻找随时间随机变化的无噪声目标函数的全局最优的方法。正如我们所展示的，尽可能多地利用旧信息可以显着改善算法的跟踪行为。 （C）2014 Elsevier B.V.保留所有权利。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号