计网牛院陈才华博士在《Swarm and Evolutionary Computation》上发表启发式算法求解高维昂贵优化问题研究成果发布者：计网牛 [发表时间]：2022-09-16 [来源]：
近日，我校计算机与网络安全学院（牛津布鲁克斯学院）信息感知与智能处理研究团队在国际智能计算权威期刊《Swarm and Evolutionary Computation》（中科院计算机科学1区Top期刊，影响因子10.267，CiteScore 排名2/391）上发表了题为《Surrogate-assisted hierarchical learning water cycle algorithm for high-dimensional expensive optimization》的研究成果。论文第一作者为我校计网牛学院人工智能系青年教师陈才华博士（珠峰人才、硕士生导师），合作单位有西北工业大学、华中科技大学。
针对高维昂贵优化问题的数据维度高、规模大，仿真模拟资源耗费多等问题，论文基于代理模型辅助技术，设计了一个适用于高维昂贵问题的全局优化求解的启发式算法框架。该框架采用两种具备不同特性的样本点采集评价机制，分别构建应用于全局和局部搜索的代理模型，并提取代理模型的有效信息，与启发式算法自身搜索特性互相配合，有效提高了启发式算法在高维问题上的解空间定位成功率和精准解获取效率。实验结果表明，与当前先进的同类算法框架相比，所提出的算法框架可以快速地定位到高维复杂优化问题的有效解区域，并大幅提高最终优化结果的精度，实现高维复杂优化问题的高效求解。研究成果也已成功应用于某型翼身融合水下滑翔机的外形优化设计中，实现在保证滑翔机内部设备空间不缩减的前提下，进一步提高了滑翔机整体外形的升阻比及其续航能力。
图1 算法框架
近日，我校计算机与网络安全学院（牛津布鲁克斯学院）信息感知与智能处理研究团队在国际智能计算权威期刊《Swarm and Evolutionary Computation》（中科院计算机科学1区Top期刊，影响因子10.267，CiteScore 排名2/391）上发表了题为《Surrogate-assisted hierarchical learning water cycle algorithm for high-dimensional expensive optimization》的研究成果。论文第一作者为我校计网牛学院人工智能系青年教师陈才华博士（珠峰人才、硕士生导师），合作单位有西北工业大学、华中科技大学。
针对高维昂贵优化问题的数据维度高、规模大，仿真模拟资源耗费多等问题，论文基于代理模型辅助技术，设计了一个适用于高维昂贵问题的全局优化求解的启发式算法框架。该框架采用两种具备不同特性的样本点采集评价机制，分别构建应用于全局和局部搜索的代理模型，并提取代理模型的有效信息，与启发式算法自身搜索特性互相配合，有效提高了启发式算法在高维问题上的解空间定位成功率和精准解获取效率。实验结果表明，与当前先进的同类算法框架相比，所提出的算法框架可以快速地定位到高维复杂优化问题的有效解区域，并大幅提高最终优化结果的精度，实现高维复杂优化问题的高效求解。研究成果也已成功应用于某型翼身融合水下滑翔机的外形优化设计中，实现在保证滑翔机内部设备空间不缩减的前提下，进一步提高了滑翔机整体外形的升阻比及其续航能力。
图1 算法框架
