上传者: 38714532
|
上传时间: 2021-11-07 13:44:41
|
文件大小: 32KB
|
文件类型: -
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