Regularized infill criteria for multi-objective Bayesian optimization with application to aircraft design

要約

ベイジアンの最適化は、目的の逆向きのキリギングモデルを濃縮することで構成され、ターゲットを絞った最適化問題の計算上の高価であると考えられているベイジアン最適化の両方の制約が、高価な多目的問題を解決するための効率的な最適化の効率的な拡張であると考えられている制約の両方で構成されています。
多目的問題に対処するための多目的問題は、多目的INLL基準の不法に対処するための異なる濃縮手順を使用した異なる濃縮手順が提案されています。
進化的アルゴリズムNSGA-IIと比較して、関数評価の観点から20倍の総コスト。

要約(オリジナル)

Bayesian optimization is an advanced tool to perform ecient global optimization It consists on enriching iteratively surrogate Kriging models of the objective and the constraints both supposed to be computationally expensive of the targeted optimization problem Nowadays efficient extensions of Bayesian optimization to solve expensive multiobjective problems are of high interest The proposed method in this paper extends the super efficient global optimization with mixture of experts SEGOMOE to solve constrained multiobjective problems To cope with the illposedness of the multiobjective inll criteria different enrichment procedures using regularization techniques are proposed The merit of the proposed approaches are shown on known multiobjective benchmark problems with and without constraints The proposed methods are then used to solve a biobjective application related to conceptual aircraft design with ve unknown design variables and three nonlinear inequality constraints The preliminary results show a reduction of the total cost in terms of function evaluations by a factor of 20 compared to the evolutionary algorithm NSGA-II.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google