创新性：进化算法调用数值模拟次数多，求解速度难以满足工程实际需要。针对高维代价高昂的优化问题，提出了一种新的径向基函数代理模型辅助进化算法（RSAEH）。本工作主要贡献在于提出的算法采用SQP来引导DE算子的变异方向。与GPEME、SA-COSO、SHPSO、ESAO等其他最新提出的先进算法相比，该算法在21个基准函数集中刷新了16个基准测试函数的结果，且在具有160个变量的实际油藏生产优化问题上也表现出良好的性能。

中文摘要：进化算法需要大量的函数评估来定位全局最优值，这使得它在处理代价高昂的问题时在计算上令人望而却步。基于代理的优化方法在加速收敛速度方面显示出有希望的能力。然而，代理辅助方法处理高维昂贵问题仍然是一项具有挑战性的工作，因为在高维空间中难以逼近目标函数。在本文中，提出了一种新的径向基函数代理模型辅助进化算法，用于解决高维代价高昂的优化问题（RSAEH）。具体来说，该算法由局部搜索部分和代理引导预筛选部分组成。在局部搜索部分，局部代理由径向基函数构建，具有最有希望的训练样本点，优化器定位最优（或接近最优），进行精确的函数评估。在代理引导预筛选部分，通过顺序二次规划对当前最佳样本点进行细化，从而通过差分进化算子引导变异方向，并通过精确函数评估对代理模型预筛选的有希望的后代进行评估。为了验证所提出算法的有效性，对维度范围从 30到 100的基准问题以及现实世界的油藏生产优化问题进行了测试。与其他算法相比，该算法在21个基准函数集中的16个基准函数上取得了最佳优化结果。 RSAEH的性能具有竞争力，尤其是在 100-D基准函数上。此外，与几种最先进的算法相比，RSAEH在具有 160个变量的实际油藏生产优化问题上也表现出了良好的性能。

 Applied Soft Computing Journal旨在推广软计算的综合性能以解决现实生活中的问题，利用对不精确性、不确定性和部分真实性的容忍度来实现易处理性、鲁棒性和低解决方案成本。内容主要涵盖模糊逻辑、神经网络、进化计算、粗糙集和其他类似技术领域应用和融合的最高质量研究。该期刊最新影响因子为6.725， JCR分区为Q1区，中科院工程技术大类1区。

文章链接：

https://doi.org/10.1016/j.asoc.2021.108353

引用格式：

Chen, G., Zhang, K., Xue, X., Zhang, L., Yao, C., Wang, J., & Yao, J. (2022). A radial basis function surrogate model assisted evolutionary algorithm for high-dimensional expensive optimization problems. Applied Soft Computing, 116, 108353.