[论文解读] Analytical Benchmark Problems for Multifidelity Optimization Methods

L. Mainini, A. Serani+12 more|ArXiv.org|Apr 16, 2022

Advanced Multi-Objective Optimization Algorithms被引用 16

一句话总结

本文提出了一套标准化的分析基准问题套件，用于多保真度优化方法的评估，旨在严格测试其在多峰性、不连续性和噪声等多样化挑战下的性能表现。该研究提出一个全面的框架，包含准确度、收敛性和效率的明确指标，实现对仿真设计优化中多保真度算法的公平且系统化的比较。

ABSTRACT

The paper presents a collection of analytical benchmark problems specifically selected to provide a set of stress tests for the assessment of multifidelity optimization methods. In addition, the paper discusses a comprehensive ensemble of metrics and criteria recommended for the rigorous and meaningful assessment of the performance of multifidelity strategies and algorithms.

研究动机与目标

• 为解决多保真度优化方法缺乏统一、计算高效的基准框架的问题。
• 提供一套压力测试用的分析问题，以模拟现实世界中的挑战，如多峰性、不连续性和高维性。
• 标准化实验设置和性能指标，实现不同多保真度算法之间的一致性、可重复性评估。
• 通过使用目标敏感和保真度敏感的指标，支持多保真度方法的开发与验证，实现客观比较。
• 推动面向目标的多保真度方法在工程设计中的发展，尤其适用于复杂、高保真度系统。

提出的方法

• 作者选取并形式化了14个分析基准函数（例如，Forrester、Rosenbrock、Rastrigin、Springs），涵盖1至10个维度，每个函数均具有已知全局最优解。
• 每个基准问题均定义在单位超立方体内，设计变量经过归一化处理，以确保不同方法之间的一致性比较。
• 该框架包含三种关键误差指标：归一化设计误差（ℰₓ）、目标函数误差（ℰ_f）以及归一化x–f超空间中的综合误差（ℰ_t）。
• 性能评估采用保真度敏感指标（如采样效率）和目标敏感指标（如最优解定位的准确性及目标值的准确性）。
• 基准问题的结构设计用于在受控条件下测试多保真度方法，已知的最小值和最大值用于误差计算。
• 实验设置包括固定的采样预算和标准化的收敛准则，以实现不同方法之间的公平比较。

实验结果

研究问题

• RQ1 多保真度优化方法在一系列具有已知最优解和多样化数学行为的分析测试函数上的表现如何？
• RQ2 在高保真度评估次数有限的情况下，多保真度方法在多大程度上能准确找到全局最优解？
• RQ3 不同误差指标（ℰₓ、ℰ_f、ℰ_t）在多保真度优化中如何捕捉设计准确度与目标准确度之间的权衡？
• RQ4 问题复杂度（如维度、多峰性、不连续性）对多保真度算法的收敛性和鲁棒性有何影响？
• RQ5 标准化的基准套件如何实现多保真度优化策略之间的一致性、可重复性和有意义的比较？

主要发现

• 该基准套件包含14个分析函数，覆盖1至10个维度，每个函数均具有已知全局最优解，并定义了f_min和f_max的边界，以确保误差评估的一致性。
• 归一化误差指标ℰₓ、ℰ_f和ℰ_t提供了一种稳健且标准化的方法，用于量化多保真度优化中的设计准确度、目标准确度以及综合性能。
• 对于Forrester函数（MF1.1），全局最小值位于x* = 0.75752，f_min = -6.0207，f_max = 15.830，可实现精确的误差计算。
• 5维Rosenbrock函数（MF2.2）的全局最小值位于x* = [1, ..., 1]，f_min = 0，f_max = 14,436，是评估收敛性的高难度测试。
• 平移-旋转Rastrigin函数（MF3.1–MF3.3）引入了非可分、非凸的行为，已知最小值位于x* = [0.1, ..., 0.1]，用于测试高维多峰景观下的鲁棒性。
• 该框架通过在具有已知参考解的受控、可分析条件下隔离性能表现，实现了对多保真度方法的严格评估。