基于Kriging代理模型的自适应序贯优化方法

提出了一种基于Kriging代理模型的自适应序贯优化算法。首先分析了代理模型使用不当引发的局部收敛问题,然后采用小生境微种群遗传算法求解EI函数来得到校正点,用以更新Kriging模型。这种选择校正点的方法使得优化过程避免陷入局部极值点。通过对4个典型函数优化实例进行实验,并与其他算法的结果作比较,其结果表明,新算法在解的精度、收敛性和收敛速度上表现出很好的性能,并且对所优化的问题没有特殊的要求,具有很强的工程实用价值。     

基于组合优化的Kriging参数估计算法

在使用常微分方程组描述的数学模型进行参数估计时,本文使用Kriging代理模型完成优化过程.该代理模型通过少量数据点的训练即可部分替代计算费时的原始目标函数优化过程,因此可以节省大量的计算时间.在Kriging代理模型精化过程中,查找新增点的优化算法对参数估计的结果有重要影响.本文针对非线性且具有sloppiness属...     

结合Kriging和物理规划的多目标代理优化算法

遗传算法处理高耗时且具有黑箱性的工程优化问题效率不足。为了提高工程优化效率，结合Kriging代理优化和物理规划，提出了基于Kriging和物理规划的多目标代理优化算法。在处理多目标问题时，使用物理规划将多目标问题转换成单目标问题，再使用Kriging代理优化对单目标问题进行求解。通过两个多目标数值算例和一个工程实例对提出的算法进行验证。结果表明，提出的算法能够求出符合偏好设置的Pareto最优解，且算法的效率更高。     

基于Kriging代理模型的加筋柱壳结构优化

基于Kriging代理模型,研究了加筋柱壳型飞行器舱体结构形状和尺寸优化方法.对加筋柱壳结构建立了三维参数化模型,参数化设计变量包括纵向加强筋数量、尺寸和环向加强筋的位置、尺寸,利用试验设计法选取设计变量采样点,使用有限元静力分析和线性屈曲分析得到采样点的应力、变形、屈曲强度因子等响应值,依据设计变量和响应建立Krig...     

基于遗传算法的Kriging模型构造与优化

相关模型参数的确定是Kriging模型构造的关键,讨论了利用传统数值优化方法,如模式搜索方法,确定相关参数存在依赖搜索起始点等缺点;利用遗传算法获得满足目标函数全局最小情况下的相关模型参数,解决了模型的构造对起始点依赖的问题;将遗传算法与改进后的Kriging模型结合,基于近似模型对系统进行全局最优化.     

基于自适应Kriging模型的不确定可靠性功能优化算法研究

产品研发中功能失效是一个复杂的系统性工程,失效过程包含大量不确定性因素。为此,构建了自适应Kriging的不确定可靠性功能优化算法,进行产品总体功能失效分析、认知集合可信任度、样本点的生成、自适应Kriging计算及优选功能组合,获取在指定的概率约束下的最优解。以大数定律及极限定理为基础,保证了样本点在重要区域及Kriging模型的收敛条件。以工程机械储能系统为例,说明算法的迭代性、收敛性、准确性及稳定性。结果表明,该算法能够得出准确的敏感度,节省计算时间,提高计算效率。     

基于代理模型的武器装备体系优化算法研究

体系优化是装备体系研究的核心问题,但是基于仿真的武器装备体系优化方法存在寻优效率低、费用高昂的缺陷。本文结合武器装备体系优化问题的特点,提出基于代理模型的武器装备体系优化算法,其中选用Kriging模型作为代理模型,通过均匀设计方法生成初始样本点,运用EI函数进行代理模型更新,采用最速下降法进行迭代优化。示例验证表明,较之仿真方法及多项式响应曲面方法,该算法具有较高的寻优精度和收敛速度,对提高武器装备体系优化的效率具有较高的理论和实用价值。     

Kriging模型的增量构造及其在全局优化中的应用

为了解决高效全局优化算法(EGO)中迭代次数增多时构建Kriging模型速度过慢,以及对于某些响应值变化范围较大的目标函数出现过早收敛的问题,提出了增量Kriging方法和基于此方法的改进EGO算法.增量方法利用已经得到的关联矩阵的逆矩阵和新增的数据点忽略关联系数优化的过程,直接进行一系列矩阵运算,得到新关联矩阵的逆矩阵,进而得到更新后的预测模型.改进的EGO算法使用上述的增量方法和更加严谨的停止规则,包括改善期望、自变量和响应值的停止准则.最后使用标准函数分别对增量方法和EGO算法进行测试,结果表明,增量方法可在损失少量精度的情况下大大缩短模型更新的时间,改进的EGO算法具有更高的效率和稳定性.     

基于Kriging代理模型的动态云任务调度方法

任务调度在云计算环境中发挥着重要作用。提出一种基于Kriging代理模型的动态云任务调度方法。通过对云任务在不同资源组合下的性能表现进行Kriging代理模型建模并优化,从而得到对应于该云任务的最优资源分配方案;利用云平台的API,可动态对该云任务实施资源调度。基于OpenStack开源云平台,对两个工程计算应用进行了任务调度性能测试,结果表明该方法可有效动态调整云任务中的资源配给,按需按优对平台中的云任务进行资源调度。     

基于动力学演化样本的代理模型优化方法

为提高代理模型的精度,将动力学演化样本生成方法引入代理模型优化设计。采用拉丁超立方抽样得到初始样本点集,基于动力学演化计算生成均匀性更佳的样本点集,并用于Kriging代理模型构造,结合遗传算法给出一套基于动力学演化的代理模型优化方法。通过经典测试函数和某实际机床横梁的优化分析,证明演化后点集在代理模型构建和模型全局寻优上的优越性。     

基于Kriging模型和NSGA-Ⅱ的航空发动机管路卡箍布局优化

针对传统卡箍布局规划存在效率低且难以解决多目标优化问题等难点,提出一种基于Kriging模型和NSGA-Ⅱ算法的航空发动机管路卡箍多目标布局优化方法。提出并建立反映卡箍位置与管路振动性能关系的Kriging代理模型,同时结合拉丁超立方实验设计方法以及粒子群优化技术提高建模精度。以管路一阶固有频率和二阶固有频率为优化目标,应用NSGA-Ⅱ对管路卡箍位置进行布局规划以避免共振。在优化计算过程中,应用所建近似模型代替CAE分析程序对适应值函数进行评价,大大减小了计算量。发动机管路卡箍布局算例表明:所提方法可一次性获得多个满足要求的非支配解方案,不仅提升了管路系统的可靠性,而且计算效率亦得到了很大提高。最后仿真结果证明了所提方法的有效性。     

一种基于Kriging模型的天线高维全局优化算法

传统的天线优化设计需要对大量的参数组合进行电磁仿真后才能得到最优结果,使得天线高维优化设计效率普遍较低。针对该问题,使用在参数空间均匀分布的少量样本及其仿真结果构建初始Kriging模型,优化循环中每代种群由高适应度个体和高离散性个体组成,依据Kriging模型预测的个体响应和不确定性,对进化后的下一代种群进行筛选,选择最优个体执行电磁仿真并更新Kriging模型。利用此方法优化一个6变量E形天线的工作频点,相比同类优化算法,所需的电磁仿真次数可减少80%左右。     

基于Kriging模型的航空发动机管道系统有限元模型修正

为获得精确可靠的航空发动机外部管道结构动力学模型,采用将Kriging模型与多目标遗传算法(MOGA)相结合的模型修正方法进行有限元模型修正.首先进行管道模型的模态试验和有限元建模,分别获得模态参数的试验值和有限元分析值；然后在合理的参数选取和试验设计(DOE)的基础上,拟合得到Kriging模型；最后基于Kriging模型采用多目标遗传算法进行有限元模型修正,并对比了不同修正方法的精度和修正效果.结果表明：采用Kriging模型进行有限元模型修正可以有效提升修正效果,获得更为准确的有限元模型；对于航空发动机管道系统,基于Kriging模型的模型修正方法相较于基于灵敏度分析的模型修正方法具有更高的修正效率和修正精度.     

基于混沌序列的粒子群优化算法

提出一种改进粒子群局部搜索能力的优化算法,对于陷入局部极小点的情性粒子,引入混沌序列重新初始化,在迭代中产生局部最优解的邻域点,帮助情性粒子逃商束缚并快速搜寻到最优解．对经典函数的测试计算表明。改进的混合算法通过微粒自适应更新机制确保了全局搜索性能和局部搜索性能的动态平衡,而且保持了PSO计算简洁的特点,在收敛速度和精度上均优于普通的PSO算法.     

Kriging代理模型在对地观测卫星系统优化中的应用

结构优化是对地观测卫星系统(Earth observation satellite system,EOSS)性能提高的关键,但其覆盖性能难以解析计算.为实现EOSS优化,提出了仿真优化的求解思路:构建Kriging代理模型对仿真数据进行拟合,采用代理模型最优和最大化期望提高相结合的机制选择更新点,并定义单位距离的函数改进对更新点进行过滤;提出了改进广义模式搜索算法求解代理模型,搜索步采用遗传算法和序列二次规划算法实现,筛选步采用不完全动态筛选.最后,通过仿真实例和对比实验验证了本文方法的有效性.     

基于Kriging模型的高速列车齿轮箱箱体裂纹识别

齿轮箱作为高速列车走行部的关键部件,其箱体结构的性能时刻关乎着列车运行安全性.裂纹作为一种重要且常见的结构损伤形式,其存在与否以及损伤情况对结构的性能有着极其重要的影响.基于此,提出了一种基于Kriging代理模型的非运行条件下高速列车齿轮箱箱体裂纹识别方法.利用拉丁超立方取样抽取裂纹参数样本,通过有限元分析计算得到相...     

基于Kriging方法的空间散乱点插值

给出的一种距离加权插值方法借鉴地质统计学中的Ｋｒｉｇｉｎｇ方法,在空间数据场满足给定的统计分布特征的前提假设下进行插值。通过对帽状曲面函数的插值结果的观察,可以看出该方法可以获得良好的插值效果。     

基于Kriging模型的铁路棚架结构失效预测

为研究铁路棚架结构在受到断裂导线的冲击作用下是否失效,提出基于Kriging模型的铁路棚架结构失效预测方法。首先建立棚架结构的有限元模型,用于仿真计算棚架在极限载荷下的应力;然后,提出采用Kriging模型对棚架结构在极限载荷下的破坏区域进行预测;最后,利用K折叠交叉验证方法对所建立的Kriging模型的精度进行验证,并与径向基函数（Radial Basis Function, RBF）模型预测精度进行对比。结果表明,所提出的基于Kriging模型的铁路棚架结构失效预测方法具有更高的预测精度,可应用于指导铁路棚架的结构设计。     

基于代理模型和遗传算法的仿真优化研究

首先由已知样本建立神经网络作为代理模型，替代费时的仿真评价而快速给出近似目标值；然后基于代理模型，采用GA进行决策量寻优．为增强优化结果的可靠性和一致性，讨论了按问题信息选取样本和多模型方法.基于典型压力管设计问题的数值仿真，验证了所提出方法的可行性和有效性，其结果明显优于现有文献结果.     

基于均值改进控制策略的昂贵约束并行代理优化算法

针对具有黑箱特性的昂贵约束优化问题及工程中计算资源利用率不高问题,提出了新的基于均值改进控制策略的并行代理优化算法.该算法为了减少仿真建模计算负担,选取Kriging近似模型对目标函数和约束函数进行近似估计.在Kriging模型基础上,利用均值改进与新增试验样本间的不等关系构建具有距离特性的控制函数.算法的均值改进控制...