云计算环境大规模问题代理优化的源模型聚类选择方法技术

本发明专利技术公开了一种云计算环境大规模问题代理优化的源模型聚类选择方法，应用于云端，包括：获取客户端的多目标优化问题；创建输入矩阵，获取若干个相关源模型；得到源模型输出矩阵，构造源模型特征集；将若干个相关源模型聚类得到目标数量个初选源模型；将多目标优化问题聚合成单目标优化问题对应的真实函数，利用其评价输入矩阵得到目标输出矩阵；进行模型训练得到一个初始目标模型；构建最终代理模型；对最终代理模型寻优得到最优输出；判断是否满足迭代终止条件；若否改变聚合多目标优化问题的权重向量并返回S5；若是得到帕累托前沿面返回客户端。本发明专利技术能够为客户端提供合理可靠的选择依据和方案，保证多样性、提升优化结果的精度和准确度。果的精度和准确度。果的精度和准确度。

【技术实现步骤摘要】
云计算环境大规模问题代理优化的源模型聚类选择方法


[0001]本专利技术属于云计算
，具体涉及一种云计算环境大规模问题代理优化的源模型聚类选择方法。

技术介绍

[0002]目前，针对云计算
，由于云端中实际存在着大量和当前任务相关的信息，例如，已经训练完成的模型或者正在训练模型得到的经验数据。因此，云端可以从自身数据库中获取到更多的相关数据信息来为客户端解决计算问题。当云端的数据库具有大量且相关的待选取源模型时，如何选出当前任务的代理模型来解决客户端交给云端的优化任务，是本领域内的一个热点研究方向。
[0003]目前源模型选择方案通常采用随机选择方式，比如A.T.W.Min,Y.Ong,A.Gupta and C.Goh在文献"Multiproblem Surrogates:Transfer Evolutionary Multiobjective Optimization of Computationally Expensive Problems,"(in IEEE Transactions on Evolutionary 本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种云计算环境大规模问题代理优化的源模型聚类选择方法，其特征在于，应用于云端，所述方法包括：S1，获取客户端的多目标优化问题；S2，创建输入矩阵，并从云端数据库中获取所述多目标优化问题对应的若干个相关源模型；S3，利用所述输入矩阵和所述若干个相关源模型得到源模型输出矩阵，并构建源模型特征集；S4，根据所述源模型特征集，将所述若干个相关源模型进行聚类，得到目标数量个源模型分别作为初选源模型；S5，将所述多目标优化问题聚合成单目标优化问题对应的真实函数，利用所述真实函数评价所述输入矩阵得到目标输出矩阵；S6，利用所述输入矩阵和所述目标输出矩阵进行模型训练，得到一个初始目标模型；S7，利用所有初选源模型、所述目标输出矩阵和所述初始目标模型构建最终代理模型；S8，对所述最终代理模型寻优得到最优输出；S9，判断是否满足迭代终止条件；若否，执行S10，改变聚合所述多目标优化问题的权重向量，并返回所述S5；若是，执行S11，得到包含多个最优输出的帕累托前沿面，并将所述帕累托前沿面作为优化结果返回所述客户端。2.根据权利要求1所述的云计算环境大规模问题代理优化的源模型聚类选择方法，其特征在于，所述创建输入矩阵，包括：利用拉丁超立方抽样方法在规定区间抽取n
T
个样本，每个样本具有d个决策变量，由所述n
T
个样本构建n
T
×
d维的输入矩阵；其中，d与所述多目标优化问题的变量数相同。3.根据权利要求2所述的云计算环境大规模问题代理优化的源模型聚类选择方法，其特征在于，所述利用所述输入矩阵和所述若干个相关源模型得到源模型输出矩阵，包括：针对所述输入矩阵中的每个样本，将该样本分别输入所述若干个相关源模型中的每一个，得到对应的输出结果；由所述输入矩阵中所有样本得到的输出结果构成源模型输出矩阵。4.根据权利要求3所述的云计算环境大规模问题代理优化的源模型聚类选择方法，其特征在于，所述构建源模型特征集，包括：将所述源模型输出矩阵进行转置，并将转置后的矩阵确定为源模型特征集；其中，所述源模型特征集代表所述若干个相关源模型的特征向量，每个特征向量具有n
T
个特征。5.根据权利要求1或4所述的云计算环境大规模问题代理优化的源模型聚类选择方法，其特征在于，所述根据所述源模型特征集，将所述若干个相关源模型进行聚类，得到目标数量个源模型分别作为初选源模型，包括：根据所述源模型特征集中每个源模型的特征向量，采用k
‑

【专利技术属性】
技术研发人员：李豪，李得众，公茂果，刘洁怡，王依新，张明阳，武越，蒋祥明，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：