昂贵优化的进化方法
摘要：替代辅助的进化算法在处理复杂实际问题领域的应用中迅速变得流行起来。虽然进化算法是强大的全局优化器，但是要在复杂高维、多峰问题中找到最优解通常需要非常昂贵的适应度函数评估。毋庸置疑，这可能使得任何基于群体的迭代优化技术成为处理此类问题的最具破坏力的选择。使用近似模型或替代模型提供了一种更便宜的选择。然而，这种更便宜的选择自然而然地伴随着它自己的代价。本文讨论了在进化算法中使用近似的一些关键问题，可能的最佳实践和解决方案。寻找以下问题的答案：使用何种类型的适应度近似；使用何种近似模型；如何将近似模型与进化算法集成；使用多少近似；以及如何确保可靠的近似。
作者：Maumita Bhattacharya
论文ID：1303.2745
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2013-03-13