持续进化优化简介

实际优化问题往往很难解决，特别是当它们是黑匣子时，除了通过功能评估之外没有提供有关问题的进一步信息。这项工作介绍了一系列HeuRistics and算法的黑匣子优化，在连续解决方案空间中的进化算法。这本书介绍了进化策略和参数控制。提出了启发式扩展，允许在受约束，多模式和多目标解决方案空间中进行优化。引入了适应性惩罚功能，用于约束优化。元模型在昂贵的优化问题中减少了健身和约束函数调用的数量。使用本地搜索的演进策略的杂交允许在具有许多本地Optima的解决方案空间中快速优化。引入了基于客观空间参考线的选择操作员来优化多种冲突目标。进化搜索用于学习Nadaraya-Watson估计器的核参数，并提出了一种基于群的迭代方法，以优化维度减少问题的潜在点。典型基准问题的实验以及许多图和图表说明了引入的概念和方法的行为。