基于高斯代理模型解决昂贵区间多目标优化问题

简介：
本研究提出了一种利用高斯代理模型的方法，有效解决了计算成本高昂的区间型多目标优化难题，为复杂工程设计提供高效解决方案。 本段落结合数据挖掘中的高斯过程回归建模与智能进化算法（如遗传算法GA及NSGA-Ⅱ），旨在解决优化函数未知的昂贵区间多目标优化问题。首先，使用高斯过程对采用中点和不确定度表示的目标函数和约束函数进行建模，并提出了一种融合多属性决策的双层种群筛选策略以确保模型的相关性和准确性。该策略嵌入到遗传算法求解过程中，第一层基于相关性属性排除候选解集中的部分劣质解；第二层则根据准确性的要求进一步剔除超出预定规模的剩余劣质解，并通过调整权重系数来控制两阶段中去除次优解的比例。 接下来，利用所构建的模型作为代理函数指导区间NSGA-II算法进行优化求解，最终获得所需的Pareto前沿。