We present a parallel evolutionary

We present a parallel evolutionary optimization algorithm that leverages surrogate models for solving computationally expensive design problems with general constraints, on a limited computational budget. The essential backbone of our framework is an evolutionary algorithm coupled with a feasible sequential quadratic programming solver in the spirit of Lamarckian learning. We employ a trust-region approach for interleaving use of exact modelsfor the objective and constraintfunctionswith computationallycheap surrogatemodels during localsearch.
In contrast to earlier work, we construct localsurrogate models using radial basisfunctions motivated by the principle of transductive inference. Further, the present approach retains the intrinsic parallelism of evolutionary algorithms and can hence be readily implemented on grid computing infrastructures. Experimental results are presented for some benchmark test functions and an aerodynamic wing design problem to demonstrate that our algorithm converges to good designs on a limited computational budget.

Kết quả (Việt) 1:

Chúng tôi trình bày một thuật toán tối ưu hóa tiến hóa song song thay thế thúc đẩy các mô hình để giải quyết vấn đề thiết kế computationally đắt tiền với khó khăn chung trên một ngân sách hạn chế tính toán. Xương sống thiết yếu của khuôn khổ của chúng tôi là một thuật toán tiến hóa cùng với một tuần tự giải quyết lập trình bậc hai khả thi trong tinh thần của Lamarckian học. Chúng tôi sử dụng một cách tiếp cận khu vực sự tin tưởng cho cách sử dụng của modelsfor chính xác mục tiêu và constraintfunctionswith computationallycheap surrogatemodels trong localsearch.Ngược lại với công việc trước đó, chúng tôi xây dựng mô hình localsurrogate bằng cách sử dụng xuyên tâm basisfunctions thúc đẩy bởi các nguyên tắc của transductive suy luận. Hơn nữa, các phương pháp hiện nay vẫn giữ lại xử lý song song nội tại của thuật toán tiến hóa và có thể do đó được dễ dàng thực hiện trên lưới điện toán cơ sở hạ tầng. Kết quả thử nghiệm được trình bày cho một số điểm chuẩn kiểm tra chức năng và một vấn đề thiết kế khí động học cánh để chứng minh rằng các thuật toán của chúng tôi hội tụ các thiết kế tốt trên một ngân sách hạn chế tính toán.

Kết quả (Việt) 2:

Chúng tôi trình bày một thuật toán tối ưu hóa tiến hóa song song đó thúc đẩy mô hình thay thế cho việc giải quyết các vấn đề về tính toán thiết kế đắt tiền với những hạn chế nói chung, trên một ngân sách tính toán hạn chế. Xương sống thiết yếu của khuôn khổ của chúng tôi là một thuật toán tiến hóa cùng với một người giải quyết lập trình bậc hai tuần tự có tính khả thi trong tinh thần học tập Lamarckian. Chúng tôi sử dụng một cách tiếp cận tin cậy khu vực cho đan xen sử dụng chính xác modelsfor mục tiêu và constraintfunctionswith computationallycheap surrogatemodels trong localsearch.
Ngược lại với công việc trước đây, chúng ta xây dựng mô hình sử dụng localsurrogate basisfunctions xuyên tâm thúc đẩy bởi các nguyên tắc suy luận transductive. Hơn nữa, cách tiếp cận hiện nay vẫn giữ được sự song thực chất của thuật toán tiến hóa và do đó có thể dễ dàng thực hiện trên cơ sở hạ tầng điện toán lưới. Kết quả thí nghiệm được trình bày cho một số chức năng kiểm tra điểm chuẩn và một vấn đề thiết kế cánh khí động học để chứng minh rằng thuật toán của chúng tôi hội tụ thiết kế tốt trên một ngân sách tính toán hạn chế.