【作者】 陈萧泽； 赵延文；

【Author】 Xiaoze Chen;Yanwen Zhao;University of Electronic Science and Technology of China;

【机构】 电子科技大学；

【摘要】 本文提出了一种并行混合机器学习优化方法,在高斯过程回归(GPR)代理模型辅助进化算法的基础上,使用支持向量机(SVM)分类模型限制参数空间的探索范围。通过引入多点采集函数并采用协方差自适应进化算法(CMA-ES)在动态采样空间中选择多个采样点以实现并行化。该优化方法通过两个测试函数和U形槽阵列天线的优化问题验证了性能表现。更多还原

【Abstract】 This paper proposes a parallel hybrid machine learning optimization method.Building upon the Gaussian process regression(GPR) surrogate-assisted evolutionary algorithm,the method employs support vector machine(SVM) classifier to constrain the exploration region of the parameter space.Parallelism is achieved by introducing a multi-point acquisition function and utilizing the covariance matrix adaptation evolution strategy(CMA-ES)to select multiple sampling points within a dynamically updated sampling space.The performance of the proposed method is demonstrated through optimization of two benchmark test functions and a U-slot array antenna.更多还原