.png){kind=icon}
返回
MATRS: heuristic methods for noisy derivative-free bound-constrained mixed-integer optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s12532-025-00281-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了MATRS，一种新颖的矩阵自适应信任域策略，旨在解决具有简单边界的低维噪声无导数混合整数优化问题。MATRS通过五个阶段的重复循环运行：变异、选择、重组、信任域和混合整数，按此顺序执行。但如果在变异阶段找到一个新最佳点（所有已评估点中函数值最低的点），则跳过选择、重组和信任域阶段。类似地，如果在重组阶段找到新最佳点，则跳过信任域阶段。混合整数阶段始终执行。为搜索新最佳点，变异和重组阶段使用外推法，而混合整数阶段沿估计进入谷底的方向执行混合整数线搜索。在多个测试问题集合上的数值结果表明，MATRS与当前最先进的无导数混合整数求解器具有竞争力。
Keyword:
Mixed-integer
Derivative-free noisy optimization
Heuristic optimization
Randomized optimization
Evolution strategy
Trust-region
Line search
期刊
IF:
3.6
论文数:
201
被引数:
1.9K
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏分享收藏分享收藏
查看更多内容