Performance Comparison of Surrogate-Assisted Evolutionary Algorithms on Computational Fluid Dynamics Problems

本文研究了代理辅助进化算法（SAEAs），这是一种能够解决昂贵实际优化问题的方法，并且最近被广泛研究。然而，新方法的开发和与其他技术的基准测试仍然几乎完全依赖于人工创建的问题。本文使用两个真实的计算流体力学问题来比较11个最先进的单目标SAEA的性能。我们通过调查所获得解的质量和鲁棒性以及所选方法的收敛性能来分析性能。我们的研究结果表明，最近发布的方法以及利用差分进化作为其优化机制之一的技术，比其他考虑的方法表现显著更好。

比较单目标代理辅助进化算法在两个真实的计算流体动力学问题上的表现

使用两个真实的计算流体动力学问题对11种最先进的单目标代理辅助进化算法进行比较，发现最近发表的方法以及将差分进化作为优化机制之一的技术表现明显优于其他方法

实验使用两个真实的计算流体动力学问题，比较11种最先进的单目标代理辅助进化算法的性能，研究了解决方案的质量、鲁棒性和收敛性质，发现最近发表的方法以及将差分进化作为优化机制之一的技术表现明显优于其他方法

最近的相关研究主要集中在人工创建的问题上，没有使用真实的计算流体动力学问题进行比较，例如“Surrogate-assisted Evolutionary Algorithms for Constrained Optimization”和“Surrogate-Assisted Multi-Objective Evolutionary Algorithms: A Review”。