基于Kriging模型的多目标代理优化算法及其收敛性评估

为提高黑箱系统优化设计的效率,基于Kriging模型、期望超体积改进和可行性概率准则,提出一种改进的多目标代理优化算法。该算法的可行域探索准则包含考虑试验点间距离的项,对可行域非连通的优化问题也有效;Pareto解集改进准则以同时优化期望超体积和可行性概率准则为目标,在改进Pareto解集的同时兼顾了对可行域边界的刻画;最后,结合条件模拟方法和随机集理论,提出一种不依赖真实解集的算法收敛性评估方法。通过两个算例将提出的优化算法与已有算法进行对比分析,结果证实了所提算法的高效性及算法收敛性评估方法的可行性。