خوارزمية تطورية مساعدة بنموذج بديل معتمدة على اختيار الاحتمالية للتحسين المكلف

برزت الخوارزميات التطورية المساعدة بنماذج بديلة (SAEAs) كنوع قوي من طرق التحسين التي تستخدم نماذج بديلة لمعالجة مشكلات التحسين المكلفة (EOPs)، حيث تكون تقييمات الملاءمة (FEs) مكلفة أو محدودة. من خلال الاستفادة من الحلول التي تم تقييمها مسبقًا لتعلم نماذج تنبؤية، تتيح SAEAs بحثًا فعالًا ضمن ميزانيات تقييم مقيدة. ومع ذلك، يعتمد أداء SAEAs بشكل كبير على جودة واستخدام النماذج البديلة، ويشكل التوازن بين الدقة والقدرة على التعميم تحديًا رئيسيًا في بناء وإدارة النماذج الفعالة. لذلك، تقدم هذه الورقة خوارزمية تطورية مساعدة بنموذج بديل تعتمد على اختيار احتمالي (PS-SAEA) لتعزيز أداء التحسين في ظل ظروف مقيدة بتقييم الملاءمة. تحتوي PS-SAEA على تصميمين جديدين. أولًا، تم اقتراح استراتيجية اختيار نموذج احتمالي (PMS) لاختيار النماذج البديلة بشكل عشوائي، مما يوازن بين دقة التنبؤ والقدرة على التعميم بتجنب الإفراط في التكيف الناتج عادة عن الاختيار الجشع. ثانيًا، تم تطوير آلية تجمع نماذج موزونة (WME) لدمج النماذج المحددة، حيث تعين الأوزان بناءً على أخطاء التنبؤ الفردية لتحسين دقة وموثوقية تقدير الملاءمة. أظهرت تجارب موسعة على مشكلات معيارية بأبعاد مختلفة أن PS-SAEA يتفوق باستمرار على عدة SAEAs متقدمة، مما يثبت فعاليته ومتانته في التعامل مع مختلف مشكلات التحسين المكلفة المعقدة.