Key points are not available for this paper at this time.
Resumo Como abordagens potentes para resolver problemas de otimização computacionalmente dispendiosos, os algoritmos evolutivos assistidos por substitutos (SAEAs) têm ganhado atenção crescente. Esforços predominantes em computação evolutiva concentram-se principalmente em problemas de otimização contínua dispendiosos, com uma escassez notável de investigações direcionadas a problemas de otimização combinatória dispendiosa (ECOPs). No entanto, numerosos ECOPs persistem em aplicações práticas. A ampla prevalência desses problemas contrasta fortemente com o desenvolvimento limitado de pesquisas relevantes. Motivado por essa disparidade, este artigo realiza uma revisão abrangente sobre SAEAs adaptados para lidar com ECOPs. Esta revisão compreende dois segmentos principais. O primeiro segmento sintetiza estratégias de busca globais, locais, híbridas e de aprendizado prevalentes, elucidando suas respectivas forças e fraquezas. Posteriormente, o segundo segmento fornece uma visão geral das tecnologias de avaliação baseadas em substitutos, explorando três aspectos fundamentais: seleção, construção e gerenciamento de modelos. O artigo também discute várias direções futuras potenciais para SAEAs com foco na otimização combinatória dispendiosa.
Liu et al. (Sat,) estudaram esta questão.