基于区间适应值交互式遗传算法的加权多输出高斯过程代理模型

第40卷第2期2014年2月

自动化学报

ACTAAUTOMATICASINICA

Vol.40,No.2February,2014

基于区间适应值交互式遗传算法的加权

多输出高斯过程代理模型

孙晓燕1

陈姗姗1

巩敦卫1

张勇1

摘要融合了用户认知和智能评价的交互式遗传算法(Interactivegeneticalgorithm,IGA)是解决一类定性性能指标优化问题的有效方法,但是,评价不确定性和易疲劳性极大地限制了该算法解决实际问题的能力.基于用户已评价信息,采用合适的机器学习方法,构建用户认知代理模型是解决上述问题的常用方法之一.但是,现有研究成果均没有考虑用户评价不确定性对学习样本、代理模型的影响,以及模型拟合不确定性对基于适应值的进化操作有效性的影响.针对上述问题,本文提出基于加权多输出高斯过程(Gaussianprocess,GP)代理模型的交互式遗传算法.首先,在区间适应值评价模式下,提取学习样本的噪声特性,以确定相应学习样本对代理模型的影响度权重系数,构建两输出高斯过程代理模型;然后,利用代理模型提供的预测值及预测置信水平,给出一种新的个体适应值估计方法和个体选择方法;基于模型预测信息,实现模型更新管理.将所提算法分别应用于含噪函数和服装设计问题中,所得结果表明本文算法可更好地拟合和跟踪用户认知,减小对进化搜索的误导,更快找到用户满意解.关键词

遗传算法,交互,代理模型,高斯过程,加权多输出

引用格式孙晓燕,陈姗姗,巩敦卫,张勇.基于区间适应值交互式遗传算法的加权多输出高斯过程代理模型.自动化学报,2014,40(2):172 184DOI

10.3724/SP.J.1004.2014.00172

WeightedMulti-outputGaussianProcess-basedSurrogateofInteractiveGenetic

AlgorithmwithIndividual sIntervalFitness

SUNXiao-Yan1

CHENShan-Shan1

GONGDun-Wei1

ZHANGYong1

AbstractAninteractivegeneticalgorithm(IGA),combiningauser sintelligentevaluationswithtraditionalgeneticoperators,isdevelopedtooptimizeproblemswithaestheticindicators.However,theevaluationuncertaintiesandburdengreatlyrestricttheapplicationsofIGAincomplicatedsituations.SurrogatemodelsconstructedwithappropriatemachinelearningmethodshavebeensuccessfullyusedtoalleviatetheuserevaluationburdenofIGAs.However,theuncertaintiesresultedfromtheuser sevaluationsandmodel sapproximationarenottakenintoaccountintheexistingresearch.Totacklesuchproblems,aweightedmulti-outputGaussianprocess(GP)isproposedtobuildasurrogatemodeltoimprovetheperformanceofIGA.First,theevaluationnoiseisde nedwhenanindividual s tnessisrepresentedasaninterval.Withtheevaluationnoise,thecontributionofatrainingsampletoconstructthesurrogatemodeliscalculated,andusedtotrainaGPwithtwooutputstoapproximatetheupperandlowervaluesoftheinterval tness.Anovel tnessapproximationmethodisproposedbycombiningthepredictedvaluewithitsassociatedpredictivecon dence.Basedonthepredictivecon dence,thesurrogatemodeliswellmanagedduringtheevolution.Theproposedalgorithmisusedtooptimizeabenchmarkfunctionandareal-worldfashiondesigncasetoexperimentallydemonstratethatthesurrogatemodeloutperformsothersinprediction ttingandtrackinguser sevaluations,andisbene cialtolessmisleadingthesearchandfaster ndingtheoptima.Keywords

Geneticalgorithm(GA),interactive,surrogate,Gaussianprocess(GP),weightedmulti-output

CitationSunXiao-Yan,ChenShan-Shan,GongDun-Wei,ZhangYong.Weightedmulti-outputGaussianprocess-basedsurrogateofinteractivegeneticalgorithmwithindividual sinterval tness.ActaAutomaticaSinica,2014,40(2):172 184

收稿日期2012-11-30录用日期2013-08-13

ManuscriptreceivedNovember30,2012;acceptedAugust13,2013

国家自然科学基金(61105063),中央高校基本科研业务费专项资金(2012QNA58,2013XK09),江苏省自然科学基金(BK2010186),江苏省博士后基金(1001019C)资助

SupportedbyNationalNaturalScienceFoundationofChina(61105063),FundamentalResearchFundsfortheCentralUni-versities(2012QNA58,2013XK09),NaturalScienceFoundationofJiangsuProvince(BK2010186),andPostdoctoralFoundation

基于达尔文“优胜劣汰”自然选择机制的遗传算法(Geneticalgorithm,GA)是解决复杂优化问题的有效方法[1].在该类算法中,基于优化目标函数

ofJiangsuProvince(1001019C)本文责任编委侯增广

RecommendedbyAssociateEditorHOUZeng-Guang1.中国矿业大学信息与电气工程学院徐州221116

1.SchoolofInformationandElectricalEngineering,ChinaUniversityofMiningandTechnology,Xuzhou221116

基于区间适应值交互式遗传算法的加权多输出高斯过程代理模型相关文档

最新文档

返回顶部