.png){kind=icon}
返回
A surrogate-assisted memetic algorithm for permutation-based combinatorial optimization problems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.swevo.2025.102060.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
实际应用中经常遇到昂贵的基于排列的组合优化问题（PCOPs），其中解评估过程变得耗时。尽管已开发出许多用于昂贵优化问题的代理模型辅助进化算法，但大多数是为昂贵的连续优化问题设计的，而非PCOPs，因为构建对排列空间有效的代理模型存在困难。本文提出了一种用于昂贵PCOPs的代理模型辅助膜算法，设计了以下两个关键见解。首先，采用梯度提升决策树（GBDT）回归模型作为针对离散空间的代理模型。由于决策树不需要训练样本之间的距离度量，因此非常适合此类空间，而提升机制有助于提高预测精度。此外，我们采用膜算法作为搜索策略以增强全局和局部搜索能力。实验表明，在1000次函数评估的有限预算下，所提出的方法在所有42个PCOP实例中的至少41个上优于当前最优算法，并通过我们的膜算法提高了鲁棒性。此外，GBDT模型比其他流行的模型（径向基函数网络和随机森林）具有更高的预测精度，在超过35个实例上优于它们。这些结果表明，我们的方法有效增强了排列空间中代理模型与搜索策略之间的协同作用。
Keyword:
Surrogate-assisted evolutionary algorithm
Memetic algorithm
Permutation-based combinatorial optimization
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
8.5
论文数:
2.2K
被引数:
1.0W
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
查看更多内容