Оглавление
Приближение к пригодности
-
Аппроксимация пригодности в эволюционной оптимизации
- Аппроксимация используется для моделирования функций пригодности на основе данных.
- Модели машинного обучения, известные как метамодели или суррогаты, применяются для аппроксимации.
- Эволюционная аппроксимация с использованием суррогатной помощи является подобластью эволюционной оптимизации.
-
Мотивация и подходы к аппроксимации
- В инженерных задачах количество оценок функции пригодности влияет на стоимость оптимизации.
- Использование априорной информации для построения моделей функций пригодности помогает в выборе решений.
- Различные методы, включая полиномы, регрессионные модели, и нейронные сети, применяются для аппроксимации функций.
-
Сложности и решения
- Ограниченное количество обучающих выборок и высокая размерность затрудняют построение глобально корректных моделей.
- Эволюционные алгоритмы, использующие приближенные функции, могут сходиться к локальным оптимумам.
- Совместное использование исходной фитнес-функции и приближенной модели может улучшить результаты.
-
Дополнительные ресурсы
- Список литературы по аппроксимации пригодности предоставлен автором Яочу Цзинь.
- Упоминается использование адаптивной нечеткой грануляции фитнеса для ускорения конвергенции советников.
- Упомянуты обучение с подкреплением и обучение с обратной связью для улучшения результатов оптимизации.