یک الگوریتم جدید ناحیه اطمینان مبتنی بر درونیاب تابع پایه شعاعی

ORBIT یک الگوریتم بهینه سازی دارای ساختار ناحیه اطمینان بی نیاز از مشتق است. در این ساختار به جای استفاده از مدل های جایگزین چندجمله ای از مدل های جایگزین مبتنی بر درونیاب تابع پایه شعاعی استفاده می گردد. بنابراین با تعداد کمتری از ارزیابی های تابع هدف، قادر خواهیم بود مساله بهینه سازی را حل نماییم. در این الگوریتم در هر تکرار، نقاط درونیاب و مقادیر تابع در آنها ذخیره شده و در تکرارهای بعدی مورد استفاده قرار می گیرد. با این حال این الگوریتم توجهی به  مرتب کردن نقاط درونیاب نمی کند. در این مقاله بر اساس دو ایده، یکی مرتب کردن نقاط درونیاب بر حسب مقادیر تابع و دیگری انتخاب نقطه ای به عنوان مرکز ناحیه اطمینان که کمترین مقدار تابع را دارد، یک الگوریتم جدید به نام SORT-ORBIT ارایه می کنیم. با استفاده از این رویکرد، تعداد دفعات ارزیابی تابع و تعداد تکرار های الگوریتم ORBIT کاهش می یابد. نتایج عددی حاکی از آن است که کارایی الگوریتم جدید به طور مشهودی افزایش می یابد. برای بررسی عملکرد الگوریتم ارایه شده در این مقاله در مقایسه با الگوریتم اصلی از شاخص کارایی دولان- موری و شاخص داده موری-ویلد استفاده شده است.