1.昂贵且耗时问题,具有数据量小,适应度函数未知的特点。
2.论文中使用Localized Data Generation在原有数据的基础上,生成近似的数据;
3.对于适应度预测部分,采用多个网络进行预测取平均值。
4.缺点:文中生成近似数据的方法只适用于连续优化问题,对组合优化问题难以迁移。
1.昂贵且耗时问题,具有数据量小,适应度函数未知的特点。
2.论文中使用Localized Data Generation在原有数据的基础上,生成近似的数据;
3.对于适应度预测部分,采用多个网络进行预测取平均值。
4.缺点:文中生成近似数据的方法只适用于连续优化问题,对组合优化问题难以迁移。