Retour

G-2017-70

Combining surrogate strategies with MADS for mixed-variable derivative-free optimization

, , , et

référence BibTeX

Nous considérons les problèmes d'optimisation sans dérivées avec variables continues, entières, discrètes et de catégorie dans le contexte d'applications industrielles avec objectif de type boîte noire coûteuse. Notre approche se base sur NOMAD, une implémentation de la méthode de recherche directe adaptative (MADS), agrémentée de fonctions substitut dans la sonde locale et la recherche globale. Les fonctions substitut sont des modèles d'interpolation à base radiale gérées par le logiciel évolutionnaire MINAMO développé à Cenaero. Nous validons notre approche sur un jeu de problèmes provenant de la littérature et comparons plusieurs stratégies liées aux fonctions substitut. Dans le cas des variables mixtes, l'utilisation de MINAMO pour gérer les substituts dans les étapes de sonde et de recherche améliore la robustesse et l'efficacité par rapport à MINAMO seul ou NOMAD seul. Dans le cas des variables continues et entières seulement, nous utilisons le logiciel d'optimisation en nombres entiers BONMIN au lieu de MINAMO, qui s'avère être plus efficace et substantiellement plus robuste lorsqu'une précision élevée est requise.

, 29 pages

Axe de recherche

Application de recherche

Document

G1770.pdf (580 Ko)