کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6905794 862824 2014 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Improving surrogate-assisted variable fidelity multi-objective optimization using a clustering algorithm
ترجمه فارسی عنوان
بهبود بهینه سازی چند هدفه با استفاده از جایگزینی متغیر با استفاده از الگوریتم خوشه بندی
کلمات کلیدی
خوشه بندی محاسبات تکاملی، مدل جایگزین، کریگینگ، بهینه سازی، بهینه سازی متغیر وفاداری،
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی

- We extended variable fidelity optimization framework to include multiple surrogates.
- Build multiple Kriging models by using k-means clustering algorithm.
- More reliably solve the large sample size surrogate-modeling problem.
- Accelerate surrogate-assisted multi-objective genetic algorithm.
- Results converge closely to the high-fidelity Pareto front.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Soft Computing - Volume 24, November 2014, Pages 482-493
نویسندگان
, ,