제한된 평가로 G문제들을 500번 이하로 해결하는 효율적 서러게이트 기반 최적화
** 본 논문은 고차원 제한 최적화 문제를 적은 함수 평가 횟수(≤500) 안에 해결하기 위해 기존 COBRA 알고리즘을 자동 파라미터 조정 메커니즘과 여러 보강 기법을 결합한 SACOBRA를 제안한다. 실험 결과, G‑문제와 MOPTA08 벤치마크에서 SACOBRA가 고정 파라미터 COBRA보다 일관되게 우수한 성능을 보이며, 각 보강 요소가 전체 효율에 기여함을 확인하였다. **
저자: Samineh Bagheri, Wolfgang Konen, Michael Emmerich
**
본 연구는 제한된 함수 평가 횟수 하에서 고차원 제한 최적화 문제를 효율적으로 해결하고자 하는 실용적 요구에 응답한다. 기존의 COBRA(Constrained Optimization by Radial Basis Function Approximation) 알고리즘은 RBF 서러게이트 모델을 이용해 목적함수와 제약함수를 근사함으로써 적은 평가 횟수로도 높은 정확도를 달성했지만, 파라미터 설정에 민감하고 문제마다 수동 튜닝이 필요했다는 한계가 있었다.
이에 저자들은 COBRA를 기반으로 **SACOBRA(Self‑Adjusting COBRA)** 라는 새로운 프레임워크를 설계하였다. SACOBRA는 다음과 같은 핵심 구성 요소를 포함한다.
1. **자동 입력 스케일링**: 모든 설계 변수의 범위를 동일한 구간(
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기