The application of EAs can be prohi

The application of EAs can be prohibitive when the evaluations
are computationally expensive or an explicit mathematical
fitness function is unavailable. Whilst the speed and
cost of rapid-prototyping continues to improve, fabricating
an evolved design before fitness can be assigned remains an
expensive task when potentially thousands of evaluations are
required (e.g., 10 min print time for each very simple individual
in [50]). However, given a sample D of evaluated
individuals N, a surrogate model, y = f (x), can be constructed,
where x is the genotype, and y, fitness, in order to compute
the fitness of an unseen data point x / ∈ D. The use of surrogate
models has been shown to reduce the convergence time
in evolutionary computation and multiobjective optimization;
see [51]–[53] for recent reviews. Alternative methods, such
as fitness inheritance [54], fitness imitation [55], and fitness
assignment [56] can also be used.

ผลลัพธ์ (ไทย) 1:

แอพลิเคชันของ EAs สามารถยับยั้งได้เมื่อประเมินจะ computationally แพงหรือความชัดเจนทางคณิตศาสตร์ฟังก์ชันฟิตพร้อมใช้งาน ในขณะที่ความเร็ว และต้นทุนต้นแบบอย่างรวดเร็วยังคงปรับปรุง fabricatingแบบ evolved ก่อนออกกำลังกายสามารถกำหนดยังคงมีงานแพงเมื่ออาจพันประเมินจำเป็น (เช่น 10 นาทีเวลาพิมพ์สำหรับแต่ละคนอย่างมากใน [50]) อย่างไรก็ตาม ให้ตัวอย่าง ดีของประเมินบุคคล N รูปตัวแทน y = f (x) สามารถ สร้างx อยู่ที่ลักษณะทางพันธุกรรม และ y ออกกำลังกาย การคำนวณออกกำลังกายมีจุดข้อมูล unseen x / ∈ D. การใช้ตัวแทนรุ่นที่ได้รับการแสดงเพื่อลดเวลาบรรจบกันในการคำนวณเชิงวิวัฒนาการและปรับ multiobjectiveดู [51] – [53] สำหรับรีวิวล่าสุด วิธีการทดแทน เช่นออกกำลังกายสืบทอด [54], เทียมฟิตเนส [55], และออกกำลังกายนอกจากนี้ยังสามารถใช้กำหนด [56]

ผลลัพธ์ (ไทย) 2:

การประยุกต์ใช้ EAs สามารถห้ามปรามการประเมินผลเมื่อมีการคำนวณราคาแพงหรือชัดเจนทางคณิตศาสตร์ฟังก์ชั่นการออกกำลังกายไม่พร้อมใช้งาน ขณะที่ความเร็วและค่าใช้จ่ายของอย่างรวดเร็วการสร้างต้นแบบอย่างต่อเนื่องเพื่อปรับปรุงการผลิตการออกแบบพัฒนาก่อนที่จะออกกำลังกายสามารถกำหนดยังคงเป็นงานที่มีราคาแพงเมื่ออาจพันของการประเมินผลจะต้อง(เช่น 10 นาทีเวลาการพิมพ์สำหรับแต่ละที่ง่ายมากใน[50]) . แต่ได้รับการพัฒนาเป็นตัวอย่างของการประเมินบุคคลที่ยังไม่มีรูปแบบตัวแทน y = f (? x) สามารถสร้างที่ไหนx มีจีโนไทป์และ y ที่ออกกำลังกายในการสั่งซื้อเพื่อคำนวณการออกกำลังกายของจุดเชื่อมต่อข้อมูลที่มองไม่เห็น ? x / ∈ D. การใช้ตัวแทนรุ่นได้รับการแสดงเพื่อลดเวลาในการบรรจบกันในการคำนวณวิวัฒนาการและการเพิ่มประสิทธิภาพmultiobjective; เห็น [51] - [53] สำหรับความคิดเห็นล่าสุด วิธีการทางเลือกเช่นเป็นมรดกออกกำลังกาย [54] เลียนแบบการออกกำลังกาย [55] และการออกกำลังกายที่ได้รับมอบหมาย[56] นอกจากนี้ยังสามารถนำมาใช้