La aproximación de la aptitud [1] tiene como objetivo aproximar las funciones objetivo o de aptitud en la optimización evolutiva mediante la construcción de modelos de aprendizaje automático basados en datos recopilados a partir de simulaciones numéricas o experimentos físicos. Los modelos de aprendizaje automático para la aproximación de la aptitud también se conocen como metamodelos o sustitutos, y la optimización evolutiva basada en evaluaciones de aptitud aproximadas también se conoce como aproximación evolutiva asistida por sustitutos. [2] La aproximación de la aptitud en la optimización evolutiva puede considerarse como un subárea de la optimización evolutiva basada en datos. [3]
En muchos problemas de optimización del mundo real , incluidos los problemas de ingeniería, el número de evaluaciones de la función de aptitud necesarias para obtener una buena solución domina el costo de optimización . Para obtener algoritmos de optimización eficientes, es crucial utilizar la información previa obtenida durante el proceso de optimización. Conceptualmente, un enfoque natural para utilizar la información previa conocida es construir un modelo de la función de aptitud para ayudar en la selección de soluciones candidatas para la evaluación. Se han considerado diversas técnicas para construir dicho modelo, a menudo también denominados sustitutos, metamodelos o modelos de aproximación , para problemas de optimización computacionalmente costosos.
Los enfoques comunes para construir modelos aproximados basados en el aprendizaje y la interpolación a partir de valores de aptitud conocidos de una población pequeña incluyen:
Debido a la cantidad limitada de muestras de entrenamiento y la alta dimensionalidad que se encuentran en la optimización del diseño de ingeniería, la construcción de un modelo aproximado válido a nivel mundial sigue siendo difícil. Como resultado, los algoritmos evolutivos que utilizan dichas funciones de aptitud aproximadas pueden converger a óptimos locales . Por lo tanto, puede ser beneficioso utilizar de forma selectiva la función de aptitud original junto con el modelo aproximado.
