matlab中伪代码-Single_objective_EGO_algorithms:标准和并行单目标EGO算法

matlab中伪代码标准和并行高效全局优化（EGO）算法 1.有效的全局优化（EGO）算法[1] 有效的全局优化（EGO）算法[1]是一种广泛使用的基于代理的优化算法，用于昂贵的单目标优化。 EGO算法首先使用一些初始设计点（通常通过实验设计方法，例如拉丁超立方体采样（LHS）方法）生成初始Kriging模型（也称为高斯过程模型）来开始。 然后，在每次迭代中，使用传统的优化算法（在此实现中为DE）选择具有最高预期改进（EI）值的点。 使用实际昂贵的目标函数评估所选点，并将其用于更新Kriging模型。 以这种方式，EI标准将搜索引导到对实际问题的最佳选择。 2.并行高效全局优化（EGO）算法[2] 并行高效全局优化（EGO）算法[2]是标准EGO标准的扩展，它允许EGO算法在每次迭代（循环）中选择多个设计点。 然后可以并行评估这些候选点，这可以节省一些挂钟时间。 在算法中使用伪EI准则在每个循环中选择多个设计点。 伪EI准则的详细描述可以参考[2]。 3.并行约束高效全局优化（EGO）算法[3] 并行约束高效全局优化（EGO）算法是为约束昂贵的优化问题而设计的。 PCEI标准用于在每次