一种基于自适应代理模型的并行贝叶斯优化方法
CSTR:
作者:
作者单位:

(大连理工大学控制科学与工程学院,辽宁大连116024)

作者简介:

吕志明(1988-), 男, 博士生, 从事流程工业过程建模与优化、智能优化算法设计的研究;赵珺(1981-), 男, 教授, 博士生导师, 从事生产计划与调度、现代集成制造系统、工业生产一体化、优化技术等研究.

通讯作者:

E-mail: zhaoj@dlut.edu.cn.

中图分类号:

TP206

基金项目:

国家自然科学基金项目(61603069,61473056,61533005,61522304,U1560102);中央高校基本科研业务费专项资金项目(DUT17ZD231).


A parallel Bayesian optimization method based on adaptive surrogate model
Author:
Affiliation:

(School of Control Science and Engineering,Dalian University of Technology,Dalian116024,China)

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    提出一种基于自适应代理模型的并行贝叶斯优化方法,用于求解计算成本高的复杂优化问题.该方法基于多点期望改进判据,通过批次采样实现并行优化.针对并行优化产生的大量历史数据会导致全局代理模型建模成本高的问题,提出一种改进的基于数据并行的高斯过程建模方法,在线构造局部代理模型.此外,针对多点期望改进判据计算成本高的问题,提出一种启发式的分层优化策略,通过序贯优化基于自适应代理模型的单点期望改进判据,近似计算多点期望改进判据.最后通过5个测试问题验证所提出方法的有效性.

    Abstract:

    A parallel Bayesian optimization method based on the adaptive surrogate model is proposed to solve the computationally expensive problems. Based on the multi-points expected improvement criterion, one can evaluate the batch of points simultaneously. For the problem that the global surrogate model is difficult to be constructed with a large number of historical data from the parallel optimization, an improved data parallel local learning methodology for Gaussian Process modeling is proposed to construct the local surrogate models online. Furthermore, in order to reduce the computational cost of the multi-points expected improvement criterion, a heuristic hierarchical optimization strategy is proposed to calculate the single point expected improvement criterion based on the adaptive surrogate model sequentially. Finally, the effectiveness of the proposed method is verified by 5 test problems.

    参考文献
    相似文献
    引证文献
引用本文

吕志明,王霖青,赵珺,等.一种基于自适应代理模型的并行贝叶斯优化方法[J].控制与决策,2019,34(5):1025-1031

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2019-04-17
  • 出版日期:
文章二维码