科研成果简讯 | 《Adaptive multi-surrogate and module-based optimization algorithm for high-dimensional and computationally expensive problems》

我院伍梦天博士、徐津讲师以共同一作、王玲玲教授为通讯作者发表题为 “Adaptive multi-surrogate and module-based optimization algorithm for high-dimensional and computationally expensive problems”的论文在计算机领域顶刊《Information Sciences》上发表（IF=8.1）。该论文提出了AMSMO算法在计算机数值模拟优化方法研究中取得新进展。

参数率定是水动力高精度数值模拟的基础。在参数率定过程中，大量重复运行水动力模型会造成严重的计算负担，称为高耗时计算机模拟优化问题。基于替代模型的优化算法是解决上述问题的常见手段，但其结果依赖于替代模型对水动力模型的拟合效果。针对非线性、高度复杂的水动力模拟，团队提出了自适应代理建模技术（AST技术），该技术能根据不同水力条件下的数值模拟自适应调整代理模型的建模策略，达到高精度逼近的目的。该项成果将以AST技术为基础的AMSMO算法，成功应用于以淮河流域为对象的一二维水动力耦合模型的参数率定中，取得了良好的优化效果。

论文网址：

https://doi.org/10.1016/j.ins.2023.119308

引用格式：

M. Wu, J. Xu, L. Wang, C. Zhang, H. Tang, Adaptive multi-surrogate and module-based optimization algorithm for high-dimensional and computationally expensive problems, Information Sciences. 645 (2023) 119308.

图1 AMSMO的算法流程图

 图2 AMSMO在以淮河流域为对象的一二维水动力耦合模型的参数率定效果图