多准则优化的多精度方法:一项调查
原文中文,约400字,阅读约需1分钟。发表于: 。多重保真度优化(MFO)是一种通过分层保真度方法,平衡高保真度准确性和计算效率的成本有效策略,本调查研究了 MFO 的基本原理、方法和应用,并展望了 MFO 领域中的挑战和前景,以促进进一步的研究和合作。
该研究介绍了一种通过多精度评估、机器学习模型和优化算法的协同方法,以增强受计算资源约束的反向设计优化过程。该方法通过利用低精度模拟数据的机器学习模型,高效地预测目标变量并确定是否需要高精度模拟,从而节省了计算资源。该方法已应用于差分进化和粒子群优化两种算法,提升了性能。该方法适用于任何反向设计应用,并实现了低精度模型和高精度模拟之间的协同。