.png){kind=icon}
返回
Coordinate descent surrogate-assisted evolutionary algorithm for expensive optimization problems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.asoc.2026.115960.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了一种基于坐标的稀疏区域采样（SRS）方法用于识别模型管理中的欠采样区域，并提出了一种精英区域采样（ERS）方法用于逐维度开发最有前景的搜索空间。• 集成了基于代理的局部搜索（SLS）和完全交叉策略（FCS），并提出了自适应局部代理训练样本选择策略以提高模型精度和效率。• 提出了一种坐标下降代理辅助进化算法（CD-SAEA）用于高维昂贵优化问题。
期刊
IF:
6.6
论文数:
1.4W
被引数:
4.8W
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
查看更多内容