当遗传算法遇到 Bayesian Optimization

前文很多篇文章详细介绍了如何将遗传算法应用到结构设计的优化中。遗传算法有很多优点，比如能够处理离散非线性问题，能够跳过局部最优收敛于全局最优等。但是同时它有一个致命的缺点，就是对样本空间的大量搜索会耗费非常多的时间，特别对于实际的结构设计优化问题，算一个普通的模型就得大概两分钟。假如给出一个8个变量的优化问题，每一维变量假设可以取10个不同的值，假设算一个模型花费2分钟，将每一种可能都算一遍，就得花费380余年。如果算模型不需要时间就太好了，那是不可能的。由于在找到全局最优之前，搜索优化的过程中并不需要知道模型精准的观察值，只要趋势没错就行，因此我们可以想办法用不花时间的近似模型来代替真实的模型。 ………………………………